2019年頃から使いやすいAI(人工知能)エンジンが世界中で広く利用されるようになり、世界はAI時代に突入しました。2022年11月にChatGPTが開発されたことも、その流れの上にあります。スマホ・PC等の情報機器によって多くの人々が世界規模で24時間つながり、世界中の知的財産コンテンツ（ニュース、論文、マニュアル、プログラム、ビデオ等）に自宅から容易にアクセスできる夢のような状況になりました。情報システムへの個人的・社会的依存は今後もますます加速すると思われます。にもかかわらず日本人の情報処理スキルはいまだに低いままであり、日本人に英語と情報と法律と統計は無理なのでは、という状況が今も続いています。情報社会では情報にまつわる諸事象への深い理解と洞察が求められます。本授業では、情報という命題に向き合うために必須となる興味、および情報を主体的に活用する知識・技術・意識を身につけることを目的とします。情報にまつわる3つの側面（人間、社会、情報機器）を念頭に置きつつ、身近な話題や事件を例に取り上げ、ハードウェア（質量がある）、ソフトウェア（質量がない）、倫理に則る情報リテラシー、危険から身を守るための情報危機管理の重要性を一緒に考察したいと考えています。ところで、皆さんが気にしている未来AI社会についてざっくり俯瞰するならば、端的に言えば「勤務する会社の業務管理がコンビニPOSシステム」な社会です。AIシステムは否応なく上から降りてくるのですね。また、高度AGIを維持するには今の1000倍規模の原発建設が必要になると言われています（今でさえ、世界の皆さんのおちゃらけAIビデオ作成のために原発2基分の電力がアメリカで年間消耗されています。アメリカも実は悲鳴を上げています・・）。そんな負荷を人類は果たして背負えるのでしょうか。

・机上での学問とリアル社会とのつながりを常に意識する姿勢を身につける。
・適切な倫理的判断を下せるようになるための基本知識を習得する。
・将来にわたってポイントを押さえた自学自習ができるようになることを目指す。

授業回数はフィードバックを含め15回とする。また、教科書の各章に基づき以下のような課題について1〜2回ずつ講義する予定である。

１．　ガイダンス
　　　　混沌の情報社会へようこそ

２．　コンピュータとはなにか（コンピュータができること）
　　　　コンピュータはデータのコピー機

３．　デジタル情報の世界（デジタル処理、数値、文字、画像、音）
　　　　いちおうこの知識は持っておいてね

４．　コンピュータと情報通信（インターネット、ファイル共有）
　　　　デジタル通信は中身丸見えのバケツリレー

５．　コンピュータ科学の諸課題（情報倫理）
　　　　さまざまな危険性の概要を説明します

６．　ハードウェア設計の基礎（CPUの原理、トランジスタ回路）
　　　　CPUは足し算回路にすぎない

７．　プログラムを作る（Fortran、C、Python）
　　　　基本道具立てはシンプル。バグ（プログラムミス）をどうふせぐか

８．　アルゴリズムを工夫する（ソート、サーチ）
　　　　アルゴリズムこそ人類共通の財産

９．　様々な情報処理（データベース、グラフィックス）
　　　　何度も描いて消して絵が動く

１０．知的情報処理（人工知能、機械翻訳、パターン認識）
　　　　機械であるコンピュータに人間世界を認識させるために

１１．情報危機管理の重要性（ウイルス、著作権、倫理、危機管理）
　　　　情報社会の恐ろしさ：なにげない所作があなたの破滅を招く

農学部２回生向けクラス指定科目ですが、他学部（文系学部含む）・他回生からの受講を受け付けます。開始地点での情報処理専門知識はとくに必要ありません。授業内で適宜補足し、資料を配付します。

評価方法：平常点（出席と参加の状況）に基づいて評価を行います。とくに、情報に対し自ら興味を持ち「自律思考」する姿勢を重視したいと考えています。達成目標：本人による自らの自律思考の痕跡のみえる小レポートの提出（毎講義ごとに課題を提示いたします）。

授業で使用するPPT資料をクラシスなどで配布するので、各自入手し、復習に役立ててほしい。

本授業の受講対象者としてコンピュータ初学者を想定していますが、上級者であっても情報危機管理の姿勢が脆弱な場合が認められ、上級者も強く歓迎します。慣れた頃が一番危険、とはよく言われる言葉です。独学で学びにくく見逃されやすい点に焦点を当てた授業を行うことを心がけています。情報リテラシーと情報倫理、情報危機管理の基礎をしっかり学び、高度情報化社会を上手に乗り切っていく力をきちんと身に付けてほしいと願っています。

本演習では，パーソナルコンピュータ（PC）の基本的な使用法（Windowsシステム・UNIXシステム）を初めとして，電子メール，テキストエディタやLaTeXによる文章作成，HTMLによるWEBページの記述，gnuplotによるグラフ作成，Octave・MAPLEによるプログラミング，Word・Excel・PowerPointによる資料作成などについて，教育コンピュータシステムのPC端末を用いた演習を行う。また，生成AIの基本的な使用法や注意点について解説すると共に，生成AIの実践的な演習を行う。授業回数はフィードバックを含め全15回とする。

コンピュータの基本的な使用方法に習熟し，コンピュータによる文章作成，情報検索，プログラミング，生成AI活用などのコンピュータリテラシーを身に付ける。

以下の項目について，1項目当たり1~2回の演習を行う。授業回数はフィードバックを含め全15回とする。

1. 計算機の基本的な使用法：PC端末の起動と終了（Windowsシステム・UNIXシステム），ログインとログアウトなど，最も基本的な使い方についての演習を行う。また，パスワードの変更など，PC端末を使用する上での注意事項を述べ，それについての演習を行う。

2. 電子メールと情報検索：電子メールの設定を行うと共に，電子メールの送受信方法，署名や添付ファイルの扱い方についての演習を行う。また，インターネットを活用した情報検索（蔵書検索，文献（電子ジャーナル）や特許の検索など。図書担当者による情報検索講義を含む。）についての演習を行う。

3. UNIXシステムの基礎：UNIXシステムを利用する上で重要な，X Window System（あるいはWayland），ファイルシステム，およびシェル操作についての演習を行う。

4. AIの基礎：生成AIの基本および使用上の注意点について述べ，生成AI（Gemini）を用いた基本演習を行う。また，以下の項目で，生成AIの実践的な演習を補助的に導入する。

5. WEBブラウザとHTML：HTMLおよびCSSの基本について解説し，ウェブサイト（ホームページ）作成についての演習を行う。

6. グラフ作成：gnuplotによる最小二乗法，グラフ作成についての演習を行う。

7. プログラミング基礎：Octaveによる数値計算，プログラミングや，MAPLEによる数式処理，数値計算，プログラミングについての演習を行う。

8. Excel演習：Excelによる表計算，統計解析，およびグラフ作成についての演習を行う。

9. 文書作成：テキストエディタEmacsの利用や，LaTeX，Wordによる文書作成方法についての演習を行う。

10. PowerPoint演習：PowerPointによるプレゼンテーション資料作成についての演習を行う。

特になし

講義計画に掲げる内容について，それぞれ習熟したことを演習中に提示する課題によって評価する。試験は実施しない。

教科書によって予習を行うこと。

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

本演習では，パーソナルコンピュータ（PC）の基本的な使用法（Windowsシステム・UNIXシステム）を初めとして，電子メール，テキストエディタやLaTeXによる文章作成，HTMLによるWEBページの記述，gnuplotによるグラフ作成，Octave・MAPLEによるプログラミング，Word・Excel・PowerPointによる資料作成などについて，教育コンピュータシステムのPC端末を用いた演習を行う。また，生成AIの基本的な使用法や注意点について解説すると共に，生成AIの実践的な演習を行う。授業回数はフィードバックを含め全15回とする。

コンピュータの基本的な使用方法に習熟し，コンピュータによる文章作成，情報検索，プログラミング，生成AI活用などのコンピュータリテラシーを身に付ける。

以下の項目について，1項目当たり1~2回の演習を行う。授業回数はフィードバックを含め全15回とする。
1. 計算機の基本的な使用法：PC端末の起動と終了（Windowsシステム・UNIXシステム），ログインとログアウトなど，最も基本的な使い方についての演習を行う。また，パスワードの変更など，PC端末を使用する上での注意事項を述べ，それについての演習を行う。
2. 電子メールと情報検索：電子メールの設定を行うと共に，電子メールの送受信方法，署名や添付ファイルの扱い方についての演習を行う。また，インターネットを活用した情報検索（蔵書検索，文献（電子ジャーナル）や特許の検索など。図書担当者による情報検索講義を含む。）についての演習を行う。
3. UNIXシステムの基礎：UNIXシステムを利用する上で重要な，X Window System（あるいはWayland），ファイルシステム，およびシェル操作についての演習を行う。
4. AIの基礎：生成AIの基本および使用上の注意点について述べ，生成AI（Gemini）を用いた基本演習を行う。また，以下の項目で，生成AIの実践的な演習を補助的に導入する。
5. WEBブラウザとHTML：HTMLおよびCSSの基本について解説し，ウェブサイト（ホームページ）作成についての演習を行う。
6. グラフ作成：gnuplotによる最小二乗法，グラフ作成についての演習を行う。
7. プログラミング基礎：Octaveによる数値計算，プログラミングや，MAPLEによる数式処理，数値計算，プログラミングについての演習を行う。
8. Excel演習：Excelによる表計算，統計解析，およびグラフ作成についての演習を行う。
9. 文書作成：テキストエディタEmacsの利用や，LaTeX，Wordによる文書作成方法についての演習
を行う。
10. PowerPoint演習：PowerPointによるプレゼンテーション資料作成についての演習を行う。

特になし

講義計画に掲げる内容について，それぞれ習熟したことを演習中に提示する課題によって評価する。試験は実施しない。

教科書によって予習を行うこと。

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

Java は，アプリの制作からシステムの開発まで幅広く用いられている本格的なオブジェクト指向言語です。Pythonや Ruby などの簡易にプログラムを書けることを特徴とする言語に比べて，プログラミングにはある程度の手間がかかるし，言語の習得にも時間がかかりますが，そうして作られたプログラムは高速に動作しますし，型の概念やオブジェクト指向の概念を用いることにより，大規模なプログラムでも見通しよく作成することができ，保守もしやすくなります。また，並列処理，ネットワークなどの機能も充実しており，こういった高度なプログラミング概念を学ぶこともできます。

この授業では，このような プログラミング言語の概念を理解し，Java 言語の特徴を生かしたプログラムを作成できるようになることを目指した演習を行います。また，その応用として，対戦型ゲームのサーバーの作り方を説明し，コンピュータでパズルを解いたり対戦型ゲームの思考ルーチンを作成したりするのに必要な探索的なアルゴリズムについて学びます。そして，オセロの思考ルーチンの作成を試みます。

・オブジェクト指向などのプログラミング言語の諸概念を理解し，それに基づいたプログラムを書けるようになる。
・探索的なアルゴリズムが使えるようになる。
・プログラミングを通して自分で問題を解決する姿勢を身につけ、その能力を高める。

Java は本格的なプログラミング言語です。日常的なプログラムから商用のシステムまで幅広く応用できますが，使えるようになるまでに学ぶことは多いです。ですので，プログラミングの基礎から始めますが，基本的な演習にはあまり時間をとらずに，いずれかの言語で多少のプログラミングに触れたことのある人が，この演習でさらに進んだプログラミングを学ぶのに適した授業の進め方を予定しています。


１：オブジェクトとクラス
２：繰り返しと条件分岐
３：クラス変数とクラスメソッド
４：クラスの作成
５：配列
６：再帰呼び出しとパズルなどの探索問題の解法
７：オーバーライドとインターフェース
８：ラムダ式と関数的プログラミング
９：並列処理
１０：JavaFX によるGUI制作
１１：ネットワークプログラミング
１２：ゲームの思考ルーチン
１３：プログラム制作
１４：発表会
１５. フィードバッ ク

最後に，プログラミング作品の制作に取り組みます。オセロの思考ルーチンを標準的な題材として考えていますが，それ以外に，自分で興味を持った問題に取り組んでも構いません。発表会では，その一部として，オセロの思考ルーチン同士の対戦会を行います。

プログラミングの基礎から始めますが，基本的な演習にはあまり時間をとらずに，いずれかの言語で多少のプログラミングに触れたことのある人が，この演習でさらに進んだプログラミングを学ぶのに適した授業の進め方を予定しています。ですので，プログラミングの経験のない人は，他のプログラミング演習科目や，プログラミングを内容に含む情報基礎演習を先に受講したり，あらかじめプログラミングの自習をしておくことを推奨します。

授業には，　各自の持っているラップトップコンピュータを使用します。Mac OS あるいは Windows のラップトップを授業に持参する必要があります。

プログラミング作品とその発表会、および、授業への参加度を通じて、プログラミング概念の理解度、プログラミングの能力、アイデアの面白さ、授業への取り組み方などをみます。割合については授業中に指示します。

理解の遅れている人は、教科書をじっくり読んで復習をし、教科書の演習課題やその他のプログラミングを行ってください。

履修希望者が多い場合は、教室の規模(40人程度)に合わせて人数制限を行います。
　各自の持っているラップトップコンピュータを持参して授業に参加する必要があります。

本演習では，パーソナルコンピュータ（PC）の基本的な使用法（Windowsシステム・UNIXシステム）を初めとして，電子メール，テキストエディタやLaTeXによる文章作成，HTMLによるWEBページの記述，gnuplotによるグラフ作成，Octave・MAPLEによるプログラミング，Word・Excel・PowerPointによる資料作成などについて，教育コンピュータシステムのPC端末を用いた演習を行う。また，生成AIの基本的な使用法や注意点について解説すると共に，生成AIの実践的な演習を行う。授業回数はフィードバックを含め全15回とする。

コンピュータの基本的な使用方法に習熟し，コンピュータによる文章作成，情報検索，プログラミング，生成AI活用などのコンピュータリテラシーを身に付ける。

以下の項目について，1項目当たり1~2回の演習を行う。授業回数はフィードバックを含め全15回とする。

1. 計算機の基本的な使用法：PC端末の起動と終了（Windowsシステム・UNIXシステム），ログインとログアウトなど，最も基本的な使い方についての演習を行う。また，パスワードの変更など，PC端末を使用する上での注意事項を述べ，それについての演習を行う。

2. 電子メールと情報検索：電子メールの設定を行うと共に，電子メールの送受信方法，署名や添付ファイルの扱い方についての演習を行う。また，インターネットを活用した情報検索（蔵書検索，文献（電子ジャーナル）や特許の検索など。図書担当者による情報検索講義を含む。）についての演習を行う。

3. UNIXシステムの基礎：UNIXシステムを利用する上で重要な，X Window System（あるいはWayland），ファイルシステム，およびシェル操作についての演習を行う。

4. AIの基礎：生成AIの基本および使用上の注意点について述べ，生成AI（Gemini）を用いた基本演習を行う。また，以下の項目で，生成AIの実践的な演習を補助的に導入する。

5. WEBブラウザとHTML：HTMLおよびCSSの基本について解説し，ウェブサイト（ホームページ）作成についての演習を行う。

6. グラフ作成：gnuplotによる最小二乗法，グラフ作成についての演習を行う。

7. プログラミング基礎：Octaveによる数値計算，プログラミングや，MAPLEによる数式処理，数値計算，プログラミングについての演習を行う。

8. Excel演習：Excelによる表計算，統計解析，およびグラフ作成についての演習を行う。

9. 文書作成：テキストエディタEmacsの利用や，LaTeX，Wordによる文書作成方法についての演習を行う。

10. PowerPoint演習：PowerPointによるプレゼンテーション資料作成についての演習を行う。

特になし

講義計画に掲げる内容について，それぞれ習熟したことを演習中に提示する課題によって評価する。試験は実施しない。

教科書によって予習を行うこと。

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

本演習では，パーソナルコンピュータ（PC）の基本的な使用法（Windowsシステム・UNIXシステム）を初めとして，電子メール，テキストエディタやLaTeXによる文章作成，HTMLによるWEBページの記述，gnuplotによるグラフ作成，Octave・MAPLEによるプログラミング，Word・Excel・PowerPointによる資料作成などについて，教育コンピュータシステムのPC端末を用いた演習を行う。また，生成AIの基本的な使用法や注意点について解説すると共に，生成AIの実践的な演習を行う。授業回数はフィードバックを含め全15回とする。

コンピュータの基本的な使用方法に習熟し，コンピュータによる文章作成，情報検索，プログラミング，生成AI活用などのコンピュータリテラシーを身に付ける。

以下の項目について，1項目当たり1~2回の演習を行う。授業回数はフィードバックを含め全15回とする。
1. 計算機の基本的な使用法：PC端末の起動と終了（Windowsシステム・UNIXシステム），ログインとログアウトなど，最も基本的な使い方についての演習を行う。また，パスワードの変更など，PC端末を使用する上での注意事項を述べ，それについての演習を行う。
2. 電子メールと情報検索：電子メールの設定を行うと共に，電子メールの送受信方法，署名や添付ファイルの扱い方についての演習を行う。また，インターネットを活用した情報検索（蔵書検索，文献（電子ジャーナル）や特許の検索など。図書担当者による情報検索講義を含む。）についての演習を行う。
3. UNIXシステムの基礎：UNIXシステムを利用する上で重要な，X Window System（あるいはWayland），ファイルシステム，およびシェル操作についての演習を行う。
4. AIの基礎：生成AIの基本および使用上の注意点について述べ，生成AI（Gemini）を用いた基本演習を行う。また，以下の項目で，生成AIの実践的な演習を補助的に導入する。
5. WEBブラウザとHTML：HTMLおよびCSSの基本について解説し，ウェブサイト（ホームページ）作成についての演習を行う。
6. グラフ作成：gnuplotによる最小二乗法，グラフ作成についての演習を行う。
7. プログラミング基礎：Octaveによる数値計算，プログラミングや，MAPLEによる数式処理，数値計算，プログラミングについての演習を行う。
8. Excel演習：Excelによる表計算，統計解析，およびグラフ作成についての演習を行う。
9. 文書作成：テキストエディタEmacsの利用や，LaTeX，Wordによる文書作成方法についての演習
を行う。
10. PowerPoint演習：PowerPointによるプレゼンテーション資料作成についての演習を行う。

特になし

講義計画に掲げる内容について，それぞれ習熟したことを演習中に提示する課題によって評価する。試験は実施しない。

教科書によって予習を行うこと。

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

The aim of this class is to learn the basic computing skills needed to operate computer software at Kyoto University. A Linux-based OS (Ubuntu) will be used in virtual computers (VDI) administrated by the Institute for Information Management and Communication (IIMC).

At the end of the semester, you should be able to use virtual computers (VDI) at Kyoto University, operate Linux system and perform file management, create documents using LaTeX, create 2D and 3D graphics using gnuplot, write simple programs in Python, and use common artificial intelligence (AI) tools.

A brief explanation of the main topic will be given at the beginning of each session, and students will have the rest of the class to practice the acquired skills solving a given problem under the guidance of the instructor.

The following topics will be covered:
1. GUIDANCE: Connecting to VDI. Using a Terminal. Basic operations.
2. UNIX: Introduction to Linux commands. File System.
3. UNIX: Redirections. Pipes. GREP. Scripts.
4. LaTeX: Introduction to LaTeX.
5. LaTeX: Typesetting in LaTeX.
6. LaTeX: Mathematical formulas in LaTeX.
7. GNUPLOT: Creating 2D and 3D graphics with Gnuplot.
8. Review & Exercise: UNIX, LaTex, gnuplot
9. LIBRARY*: Accessing library resources. Searching. Reference Managers.
10. Python: Basics, variable type.
11. Python: Conditional branching, loops.
12. AI Tools: Exercises with Gemini and NotebookLM.
13. EXERCISE: Final Exercise (Part1).
14. EXERCISE: Final Exercise (Part2).
15. FEEDBACK

*The library session may be arranged at a different time slot and details will be announced in advance.

Bring your own device (BYOD)
In this course, you will access a virtual computer (Virtual Desktop Infrastructure VDI) running Ubuntu Linux, using your own personal computer.

Grading will be based on weekly exercises (30%), a course project (40%), and a final exam (30%). For the weekly exercises the answers/code/programs you submit will be evaluated. When compilation is necessary, it will be a condition sine qua non to get a passing grade. Comments and commentaries are expected.
Particularly interesting solutions to common problems will receive extra points.
For the course project, your capability of using all tools learned in class to solve the proposed problem will be assessed. Comments and commentaries (within the code and in the report) are expected. Details will be further explained in class.

You are expected to read the corresponding chapter ahead of each class. A brief explanation of the main topic will be delivered at the beginning of each session, but you are expected to come prepared ahead of time.
You will be given the rest of the class to practice the acquired knowledge by solving a proposed problem under the supervision of the instructor. You will be given several days to submit your answers, so you can keep practicing after the session is over.

This class requires the use of virtual computers (VDI) administrated by the Institute for Information Management and Communication (IIMC), for which a valid account for the Educational Computers System of Kyoto University (ECS-ID) is required. You will receive your corresponding username and password as
part of the admission procedures. Please, be sure to bring them along from the first session, or you won't be able to participate in class.
Office hours will be provided during the first day of classes.
Students who take this class are strongly recommended to take "Basics of Informatics and AI" and "Computer Programming in Civil, Environmental and Resources Engineering" the following semester.
Students must complete Information Security e-Learning provided by the Institute for Information Management and Communication(IIMC), Kyoto University including the final test of the course, and confirm its feedback. No class hour is assigned to take this e-learning, and students have to take this e-learning outside the class hours. All the members of the Kyoto University are asked to take this e-learning every year, and hence student in the second grade and above also should complete this e-learning.

Society is currently in the middle of an "AI boom", with machines seemingly able to perform tasks which would have been very difficult even a few years ago. In this course we explain what enables computers to successfully learn like a human does. We start from discussing fundamental machine learning models such as linear and logistic regression to more recent breakthrough architectures such as transformer models. We will also apply AI to conversational agents.

Students will gain an understanding of machine learning techniques and architectures and also how to construct basic models. They will also know how to properly evaluate AI models using real data.

1. Artificial intelligence (1 week)
We will discuss the current AI boom. What does it mean for society? Can we say that AI is truly "intelligent"? We will then explain how machine learning can be linked to concepts of human intelligence.

2. Data collection and analysis (1 week)
Collecting data is the first step in training machine learning models, so we will discuss how a wide range of data can be collected, either by using publicly available corpora or collecting it ourselves. We also show how to get quality data to match the goal of our AI models.

3. Machine learning basics (4 weeks)
In this set of lectures we focus on the fundamental concepts of machine learning. We review basic mathematics required to study machine learning, including vectors and matrices and begin with simple supervised linear and logistic regression models to introduce machine learning concepts. Best practices in training and testing models will also be provided. These will be accompanied with Python code so students can run their own models. We will also introduce the important concept of latent spaces through unsupervised learning.

4. Neural networks (2 weeks)
Once the concepts of machine learning are understood, we move on to neural networks, which are responsible for the breakthroughs in the current AI boom. We describe the basic architecture of these models and how they can be extended to tasks such as a image recognition and language processing.

5. Modern AI (2 weeks)
We will introduce two techniques which have revolutionized AI models in recent years. Firstly we look at transformer models which are the backbone behind large language models like ChatGPT. Then we will take a look at state-of-the art models for image generation. Emphasis will be placed on understanding the general concepts behind these techniques.

6. Evaluation (1 weeks)
We take a special look at the evaluation of AI models. Common mistakes related to bias and evaluation metrics will be discussed to reinforce good practice when testing and evaluating models.

7. Application: conversation (3 weeks)
AI has triggered the development of sophisticated conversational systems. We will discuss the techniques behind some of these systems. Students will also have the opportunity to create their own conversational system using LLMs and simple tools. Finally we discuss the influence of AI on society at large and future prospects.

8. Final exam

9. Feedback

特になし

Attendance and participation (20%), assigments (40%) and a final exam (40%).

Students should aim to review course content for 30 minutes before and after class and if possible practice programming on their own machines using Python.

This course is an introduction to the Python programming language for students without prior programming experience. Python is a beginner friendly programming language that is widely used in academic research and industry. In the course students will learn about basic programming concepts and how to write their own simple programs using Python.

Students will learn the basics of programming using the Python programming language, including data types, conditionals and loops, basic data structures, functions and the fundamentals of object oriented programming.
They will also learn how to solve real-world problems by designing, writing and testing their own Python programs.
After attending the course students should be able to:
- Understand the fundamentals of programming (variables, control structures, data types, etc.)
- Understand and modify simple Python programs
- Design, implement and test their own simple programs

The course consists of 14 class sessions and one feedback session.
The tentative schedule is as follows:

Introduction (1 session)
- Computer hardware and programming languages
- Installing and using Python
- Editing, saving and running a script.

Basic syntax and data types (1 session)
- Variables, naming rules and comments
- Assignments and basic data types
- Input and Output

Control structures (2 sessions)
- Boolean values and Conditional statements
- Loops
- Logical and Bitwise Operations
- Lists and Collection data types

Functions (1 session)
- Writing and Calling Functions
- Function Inputs and Outputs
- Scope

Modules and packages (1 session)
- Concept of modules
- Importing modules
- Some important built-in modules

I/O and error handling (1 session)
- Reading data from a file
- Writing data to a file
- Error handling and exceptions

Object oriented programming with Python (2 sessions)
- Classes, Properties and Methods
- Inheritance

GUI application development (2 sessions)
- Learn how to write simple Graphical User Interfaces (GUIs)

Practice Project (3 sessions)
Students will use the knowledge acquired during the first part of the course to solve a small programming project.
They will be required to
- Select and define a problem
- Propose and implement a solution
- Test the solution

The precise course schedule and contents are subject to change depending on class progress.

Students need to bring their own laptops.

Evaluation will be based on in-class and homework assignments (60%) and final project (40%).

Students should review the material after each class and solve weekly homework assignments.

There is no specific office hour. Students can contact the instructor by email in case of questions.

情報とは何か，情報の処理や計算とはどのようなものか，現在のAI（Artificial Intelligence, 人工知能）とはどのようなものかについて，情報の量，情報の表現，情報の伝達，計算の表現，計算の量，現在のAIの原理，AIと社会の問題などの観点から学ぶ．また，現在のコンピュータ，情報ネットワーク，様々な情報システムなどがどのような仕組みで動いているのかについても取り上げる．

情報とは何か，情報の処理や計算とはどのようなものか，現在のAIとはどのようなものかについて学ぶことにより，情報という観点からの問題の捉え方を身につけることを目指す．また，現在のコンピュータ，AI，情報ネットワーク，様々な情報システムがどのような仕組みで動いているのかについて学ぶことにより，現代情報化社会における知的活動および一般生活において必要となる情報利活用能力の基礎となる知識を身につける．

以下のような内容について授業を行う予定である．

［第一部］情報

01 情報とは何か：主観確率，ベイズの定理（田島）
02 情報の量：自己情報量，エントロピー（Huang）
03 機械のための情報の表現：アナログとディジタル，誤り訂正符号，データ圧縮，公開鍵暗号（田島）
04 人間のための情報の表現：情報の変換，統計データの表現，人間の認知特性，文化依存性（田島）

［第二部］AI基礎

05 AIとは：人間の知能との比較，AIの歴史，タスク分類，生成AIでできること（Huang）
06 AIの動作原理：深層学習， GPT ，自己教師つき学習，指示学習，強化学習（Huang）
07 自然言語処理, 機械翻訳 （Huang)
08 AI利用の留意点：倫理的・法的・社会的課題，著作権，学業で利用する際の心得（東風上）
09 ヒューマンインタフェース, ヒューマンロボットインタラクション（東風上）

［第三部］計算

10 計算とは何か：論理回路，有限状態機械，チューリングマシン，ラムダ計算，コンピュータ，計算不可能な問題（田島）
11 計算の表現と量：アルゴリズム，漸近的計算量（田島）
12 計算のための情報の表現：データ構造，関係，グラフ，一意性，冗長性（田島）
13 複数処理の実行・複数主体による処理：スケジューリング，並列処理，分散処理，OSの役割，インターネットの仕組（田島）
14 情報に基づく意思決定：ゲーム理論（田島）
15 フィードバック（田島・東風上・Huang）

特になし

授業期間中にほぼ毎週課す課題に対する提出内容により評価を行う．評価の際には，本講義で学ぶ「情報とその表現や処理およびAIとはどのようなものか」「コンピュータやAIや情報システムはどのような原理で動いているか」などの知識について，その技術的な詳細を正確に覚えているかどうかよりも，各所各所の要点，および，それらの間の関係の全体像を，自分の言葉で説明でき，かつ，他の分野に応用できる程度に体得できているかを評価する．

授業資料や演習問題の解説資料などを用いて毎授業ごとに復習を行うこと．また，事前に授業資料が配布されるなどにより授業内容が事前にわかっている回については，取り上げられる概念などについて各自で調べて予習を行うこと．

オフィスアワーはメールによる事前予約のこと．メールアドレスは以下の通り（「＠」を「@」に置き換えること）：
田島：tajima＠i.kyoto-u.ac.jp
東風上：kochigami＠robot.soc.i.kyoto-u.ac.jp
Huang：huang＠nlp.ist.i.kyoto-u.ac.jp

コンピュータグラフィックス(CG)は，芸術，映画，ゲーム，データ解析などのさまざまな分野で利用されている．本実習では，CG作成ツールは用いず，プログラミングを通してCGの基本的な原理について学ぶ．

CGのプログラムを実際に作成することで，3次元CGの描画技術，3次元形状の表現，アニメーションやインタラクティブな処理などについて理解し，同時にプログラミングの基礎的な概念とスキルを習得することを目標とする．

実習では以下の内容に取り組むことを予定している．

01. CGの概観と実習の準備
02. 最初のCGプログラミング
03. インタラクション
04. アニメーション
05. 描画機能の定義と利用
06. 描画処理のパターン化
07. 2次元CG作品の制作
08. 3次元CGの基礎
09. 光源と光の反射に関わる処理
10. 物体表面の模様に関わる処理
11. 曲面の設計
12. 形状モデリング
13. 最終CG作品の制作(1)
14. 最終CG作品の制作(2)
15. 授業フィードバック

受講にあたって，コンピュータの基本的な使用法を修得済みであることが求められる．プログラミングの経験は仮定しない．

プログラミングの基礎を学んだ上で，インタラクティブ性がありアニメーションの要素を含む3次元CGの作品をプログラムとして作成できるようになることが求められる. 授業で扱う各トピックでCGのプログラムを作成する課題を設ける．それぞれについて難易度に応じた標準点を設け，提出された成果物が課題の条件をどの程度満たしているかに基づいて課題ごとの評点を決める．未提出の課題については評点は0点とする．また主要なトピックについては，CGプログラム作成の課題とともに理解度確認のための課題をあわせて設定する．すべての課題の評点の合計に基づいて科目の評点を算出する．プログラム作成の課題においては，課せられた条件を満たした上で拡張を行うなど独自の工夫があれば積極的に評価する．CGのプログラムをAIに作成させることは認めない(自分で理解して，プログラムを作成できるようになることを求める)．

授業で学習する各トピックについて，概念，用語などを書籍などで事前に調べ，実習にスムーズに取り組めるようにしておくことが望ましい．また，授業後にも学習内容を振り返り，トピックに関連するさまざまなプログラムを実際に動かしてみることで理解を深めることが重要である．

授業時間外においては，必要であれば担当教員にメールでコンタクトをとること．アドレスは授業中に伝える．なお本科目では受講者数を適正な規模に保つために履修人数制限を行う予定である．

実習のために各自がノートパソコンを持参して利用することを前提としている．実習には「仮想型端末」(情報環境機構の教育用PCサービス)を利用する．ノートパソコンに実習のためのソフトをインストールする必要はない．なお教室ではネットワークと電源が利用可能である．

　大学での学びや社会的活動、また卒業後の大学院や社会における知的活動にとって必須である、情報検索、情報の表現・視覚化などの情報利活用の能力（情報リテラシー）と、情報機器の操作能力とその仕組みについての知識（コンピュータリテラシー）を修得する。また、現代社会において、情報の収集や発信を行う際に守るべき社会的ルール、マナー、倫理に関する最低限の知識を修得する。さらに、近年の生成AIをはじめとする情報技術の急速な発展を踏まえ、学術活動や社会生活においてAIを有効かつ適切に活用するための基礎的な知識とリテラシーを身につける。具体的には、実習を通じて、大学における情報ツールの使い方、各種アプリケーションの操作法を学びながら、情報の検索、得られた情報の表現法を身に付けるとともに、AIの概要とその利用に関する一般的な注意事項、ネットワークにおける社会的マナー、および情報技術の仕組みを理解していく。
　高校の「情報I」レベルのスキルを持ち、コンピュータと主要なアプリケーションの基本的操作を一定程度身につけた学生を対象とするが、まったくのパソコン初心者やパソコンが苦手な学生も対象とする。

・学内の情報サービスとネットワークを活用できるようになる。
・大学における学修、研究において、そのために情報技術をどのように利用すればよいかが分かる。
・パソコンとそのOS、それに接続する外部機器の仕組みを通常利用することができる程度に理解する。
・コンピュータを利用して、各種書類作成やプレゼンテーション資料などを作成できる。単なる操作手順の暗記として行うのではなく、なぜそのような動作をすることになるのかを理解した上で行える。
・学修に必要な情報を的確に検索できる。大学図書館が提供している情報源を利用できる。
・情報社会の一員として相応しいマナーや倫理を守った形で、ネットワークサービスおよび生成AIを含む情報技術を適切に利用できる。

　授業回数はフィードバックを含め全15回とする。　
　主に以下の内容を予定しているが、学習の理解度によっては取り扱う項目に変更が生じる場合もある。また、おおよそ1回のテーマで1週の授業を予定しているが、内容によっては2、3週にわたる場合もある。

第1回 イントロダクション、アンケート
第2回 情報倫理
第3回 ネットワークの仕組み
第4回 コンピュータのハードウェアと OS の仕組み
第5、6回 Microsoft Word
第7、8回 Microsoft Excel
第9回 情報探索と図書館の利用（協力：文学研究科図書館職員）
第10回 AIの基礎と活用上の留意点
第11回 Microsoft PowerPoint
第12、13回 ウェブサイトの作成(HTML, CSS)
第14回 他のアプリケーションやOS、生成AIツールの活用例
第15回 フィードバック

　コンピュータの基本的な使い方は一定程度理解していることを前提とするが、授業での説明は極力、仕組みや構成から丁寧に行っていく。

フィードバックについて：フィードバック時間に、LMSで課題の解説を提示する。メール等での質問も受け付ける。

特になし

　成績評価は、「平常点（出席と参加の状況）」（約30%）と「課題点」（約70%）との総合評価によって行う。
・課題は全体で6回程度課す。

・演習前の予習については、必要となる場合にはあらかじめ指示する。
・演習後の復習が最も重要となる。実質的には、毎回のテーマに沿う形で課題を出すが、1回の課題作成のために平均して2時間程度は作業が必要になる。

・コンピュータを利用した実習を行うため、一コマの授業の受講者数に限りがある。したがって、文学部の学生を優先して人数制限を実施する。
・情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

情報とは何か、情報について学ぶことの意義を学習し、自分の知的活動や一般生活における状況理解や意思決定にどのように有効なのかを理解することを目的とする。その過程で、AIを含む現代の情報技術の活用にも触れ、情報にまつわる諸概念および情報処理の基礎を講義する。

人類の活動の根源としての情報にまつわる諸概念について学ぶことにより、一般生活のみならず、知的活動や将来の研究活動において「情報」を適切に理解し、批判的かつ創造的に扱うための知識と能力を習得する。さらに、AIをはじめとする現代の情報技術が社会や学問に与える影響にも目を向け、情報の本質とその応用可能性について総合的に考察する力を養う。

以下のような課題について、１課題あたり１〜２週の授業をする予定である。
授業回数はフィードバックを含め全15回とする。

１．　情報とは何か・情報について学ぶことの意義
２．　情報表現の表現法
３．　情報と計算・計算のモデル
４．　問題の解き方・アルゴリズム
５．　大量情報の蓄積と処理
６．　情報の伝達・提示
７．　コンピュータの仕組み・ハードウェア・ソフトウェア
８．　現代社会における情報通信技術
９．　情報社会に関連する法規・情報セキュリティー
10．　AIとデータサイエンス

特になし

定期試験（80％）とトピックごとに提出を求めるレポート（20％）により評価する。各々の学習内容を理解しているかどうか、記述が明解かどうかを総合して評価する。

あらかじめ参照可能な資料について予習を行うとともに、講義後に復習を行うことを求める。

「情報AI基礎」を理解し扱える能力を高めるために、情報AI基礎演習［医学部］（人間健康科学科）も履修することが望ましい。
本講義で予定している情報セキュリティの講義に関連して、情報環境機構が提供する情報セキュリティe-learningを同機構から指示された期間内に受講すること。

本講義では情報技術と社会の接点について解説する。講義は５部に分かれている。第１部では、社会生活における情報の表現と情報に基づく意思決定にまつわる諸問題について解説する。第２部では、実世界型の情報システムが今後の社会変革に与える影響を解説する。第３部では、人と人のコミュニケーションを支える情報技術が社会に与える影響について解説する。第４部では、現在の情報化社会において重要となっている情報技術とその応用として、（１）像情報技術と社会、（２）防災と情報技術、（３）医療と情報技術、（４）教育と情報技術の４項目について解説する．第５部では、ワークショップを行い、学生自らが情報社会の未来を描く。なお「情報と社会」は高等学校の教職免許「情報」を得るために必要な科目である。

情報基盤技術の発展に伴う社会システムの変革、実世界型の情報システムの社会への影響、社会における情報の利活用などに関する基礎的な知識が習得できていることを到達目標とする.

以下の（１）〜（１５）の内容について、おおむね一週ずつを用いて行う。

１． 情報コンテンツと社会（田島）
社会において情報を正しく取り扱うために必要な知識について解説する。
（１）他者に正しく情報を伝え、また、他者からの情報を誤って解釈しないために知っておくべき、情報の適切な表現方法および信憑性判断に関する基礎的事項について解説する。
（２）社会において情報に基づいて適切に意思決定を行うために必要な情報の取り扱いに関する基礎知識を解説する。

２．実世界型の情報システムと社会（神田）
実世界に実体を持つような様々な実世界型の情報システムが社会にどのような影響を与え、社会をどのように変えていく可能性があるのか、という問題を考察する。
（３）自動運転：自動車の自動運転に関する最新の動向、基本的な情報処理、社会への導入の現状と課題、などについて講義する。
（４）ロボット：工場での産業利用のみならず、日常生活の場での利用が始まりつつあるロボット関連の研究開発に関する最新の動向、ロボットに利用されている情報技術、社会への導入の現状と課題、などについて講義する。

３．コミュニケーション技術と社会（山下）
コミュニケーション技術やAIが個人や人間関係に与える影響を考察し、その社会的意義や倫理的課題について議論する。
（５）人と人をつなぐ情報技術：人と人のコミュニケーションを支える情報技術について、最新の動向や応用事例を紹介し、現状の課題についても解説する。
（６）AIと倫理：AIの予測技術や分類器がどのように社会で活用されているかを具体例を通じて解説する。その上で、これらの技術が提供する恩恵だけでなく、社会や個人に与える負の影響や倫理的な問題について講義する。

４．現在の情報化社会における情報技術とその応用
（７）像情報技術と社会（神田、ゲストスピーカー　京都大学学術情報メディアセンター　舩冨卓哉）
（８）防災と情報技術（田島、ゲストスピーカー　京都大学防災研究所　畑山満則）
（９）医療と情報技術（神田、ゲストスピーカー　京都大学医学部附属病院　黒田知宏）
（１０）教育と情報技術（山下、ゲストスピーカー　京都大学学術情報メディアセンター　緒方広明）

５． ワークショップ（神田、田島、山下）
（１１）事前に課したレポートをもとに、グループ内でのアイデア統合の実習を行う。
（１２）相互発表を行うとともに、バイアスの発見について実習する。
（１３）バイアスの発見にもとづくアイデア創出について実習する。
（１４）成果のプレゼンテーションを行う。

５．フィードバック
（１５）フィードバックにより学習内容の確認を行う。

（１）他の担当教員による「情報と社会」で単位を取得した場合は本科目の単位の認定はできない。
（２）工学部情報学科計算機科学コースの学生は、他の担当教員による「情報と社会」ではなく本科目を履修すること。

試験は行わず、講義の各トピックごとにレポート課題があり、これとワークショップの成果によって、成績評価を行う。各部のレポートを合計で14分の10、ワークショップを14分の4の比率で評価する。

復習のために、各部の講義ごとにレポート課題を課す。

オフィスアワー：メールによる事前予約のこと。メールアドレスは以下の通り（「＠」を「@」に置き換えること）：
神田：kanda＠i.kyoto-u.ac.jp
田島：tajima＠i.kyoto-u.ac.jp
山下：naomi@i.kyoto-u.ac.jp

パソコン、スマートフォン、家電製品、自動販売機など、近年、私たちの日常生活の中にコンピュータが深く浸透してきています。皆さんは、このような機械を操作する際に戸惑うことはありませんか？
さらに、人工知能の進化により私達に近い知能を持った自動化機械も開発されようとしています。そんな機械と私たちはどのような関係が望ましいのでしょうか？
人間と機械との関係をより良くするためには、機械側の技術発展のみならず人間側の特性の理解も不可欠です。この授業では、機械操作における人間の心理や生理に関して、その基礎知識とモデル化、さらには、人の感情を扱うアフェクティブインタフェース、考えるだけで機械を操作できるブレインマシンインタフェース、人とのコミュニケーションに重点を置いた知的社会エージェントなどの次世代インタフェースについて理解を深めることを目的としています。

・人間が機械を使う際に、人間と機械との違いに着目して特に人間側の特性を理解する。
・人間の特性を理解した上で、機械と人間の最適な関係を考える視点を養う。
・課題やレポートに対して自主的、継続的に取り組む能力を養う。

授業は、主にスライドを用いて内容を口述するとともに、適宜、参加型のクイズや心理実験、生理指標計測のデモンストレーション等を行います。主な内容は以下の通りです。

１．ヒューマンインタフェースとは？(1回)
　・ヒューマンインタフェース分野の概観

２．ヒューマンインタフェースの心理(2〜4回)
　・知的処理と感性処理の対比
　・人間情報処理の心理機能と特性
　・感覚と知覚の特性
　・感覚記憶、短期記憶、長期記憶
　・思考と推論

３．インタフェースの認知システム工学(5〜8回)
　・メンタルモデル
　・ヒューマンエラーとその防止対策
　・ヒューマンエラー率の推定

４．ヒューマンインタフェースの生理(9〜12回)
　・神経系と心理機能
　・脳機能の計測法
　・ブレインマシンインタフェース
　・自律神経系に関する生理指標の計測法
　・視覚系の構造とその指標の計測法

５．アフェクティブインタフェースと知的社会エージェント(13〜14回)
　・アフェクティブインタフェースの構成法
　・アフェクティブインタフェースの例
　・知的社会エージェントの構成法
　・知的社会エージェントの例

６．課題のフィードバック(15回)

特になし

授業中に実施するクイズ・デモンストレーション等への積極的参加と授業期間中に適宜出題される6回の小課題への解答(60%)、3回出題するレポート課題の解答(40%)を総合して、授業内容の理解と応用の観点から成績を評価します。定期試験は実施しません。

・予習として、教科書の該当授業に対応する教科書の部分、および授業スライドを読み、授業範囲と大枠を理解しておくこと。
・出題された小課題やレポート課題を解答し提出すること。

特別な予備知識は必要としません。理系・文系を問わず、モノ作り・ヒトの心理や生理に興味のある方は是非受講してください。

This course introduces Python programming to students with no prior experience. They will learn to write scripts, apply fundamental programming practices, and use common design patterns. The course aims to develop foundational Python skills and the principles for writing clean, effective code, preparing you for future academic and professional work.

In this course, students will first learn the syntax of the Python language and the structure of a Python program. Then, they will learn to use some of the standard data structures provided by the Python language and some of its popular libraries. Finally, students will train in designing, writing, and testing their own programs.
After attending the course, students should be able to:
　　・Understand and modify existing simple programs.
　　・Design, implement, and test their own simple programs.
　　・Design, implement, and test their own simple graphical interfaces.

Module 1: Introduction (1 Session)
A brief history of computer hardware and an overview of the programming language landscape, establishing Python's role and its real-world applications.

Module 2: Python Fundamentals & Programming Practices (13 Sessions)
Learn core Python concepts and programming best practices through examples and hands-on exercises. Topics include:
　　・Interactive Mode & Running Scripts
　　・Data Types (Numeric, Boolean, String)
　　・Variables, Naming, and Comments
　　・Control Flow (Conditionals and Loops)
　　・Data Structures (Lists, Dictionaries)
　　・Input and Output (I/O)
　　・Error and Exception Handling
　　・Object-Oriented Programming (OOP)
　　・Using Modules
　　・Graphical User Interface (GUI) Basics
　　・Introduction to Scientific Computing

Task: Assignments
Students will apply their knowledge by designing and developing a simple application.

Task: In-class Quizzes and Practice Sessions
Students are expected to attempt and complete in-class quizzes and practice tasks. The contents and difficulties will be adjusted based on class progress.

Course Structure consists of 14 instructional sessions and one (optional) feedback session.

Note: The schedule and content are subject to change based on class progress.

No prior programming experience is required. Students must bring their own computer which can run Python 3 (Python 3 is available for Windows, macOS, and various Linux distros). The instructor can assist with installation if they need extra support. Sample programs will be provided. Some examples may involve mathematical concepts; however, the underlying mathematical theory may not be explained in the course.

The evaluation will be based on:
　　1. Assignments given during the course
　　2. In-class quizzes and practice sessions
The detailed grading criteria will be explained during the lecture.

Students are expected to review the class material during the delivery week to follow the course materials. Students who cannot complete the tasks given during a class should complete them before the next class to follow the course materials.

There are no specific office hours. Students can send emails to communicate with the instructor regarding their assignments, questions, and other inquiries.

大学での情報通信技術の利活用スキルについて以下の3つの目的に則して演習する。
・アカデミックな活動に必要な ICT スキルを獲得する。
・自立した ICT ユーザとなる。
・ICT スキルを自主的・継続的に獲得する自学自習能力を身につける。

・パーソナルコンピュータのOSとネットワークの利用の基礎的な操作と安全な利用のスキルを得る。
・推論技法としての帰納、演繹、アブダクションの３種類について知るとともに機械学習で構成されている生成 AIについての基礎的な知識を得る。
・コンピュータがプログラムによって動くことについて、実際のプログラミングを通じて体験的に知るとともに生成 AI によるプログラムの作成支援について知る。
・大学図書館が提供している学術情報とその利用法を知る。
・表計算ソフトを用いてデータ処理を行う基礎的技能を得る。
・学術的な文章をワードプロセッサで作成するために必要な概念と操作技能を得る。
・グループワークにより ICT の利活用に関連した調査を行い、プレゼンテーションソフトを用いて学術的プレゼンテーションを行う基礎的技能を得る。

おおよそ以下の内容について学習する予定である。

ガイダンス（1週）
大学の情報サービスの利用とコンピュータの基礎（1週）
推論技法と生成AI（1週）
情報の探索（1週）
・学術情報の流れと併せ、図書館が提供する情報源を中心に、
　情報探索法の基本を知る。また生成 AI を含めオンラインサービスによる情報探索の利点と課題について学ぶ。（協力：附属図書館研究開発室教員，附属図書館・吉田南総合図書館職員）

知的生産でのコンピュータの活用（8週）
　・情報ネットワークとその適正な利用、知的生産について（1週）
　・データ分析の基礎 (Excel)（3週）
　・文書の整形と構造化 (Word)（2週）
　・グループワークによる ICT 利活用についての調査と、プレゼンテーション資料作成、発表(PowerPoint)（2週）

プログラミングの基礎（2週）
　・Python プログラミングの概要（1週）
　・具体的な課題を通じたプログラミングとそこでの生成 AI による支援の体験（1週）

フィードバック（1週）

所属学部のクラス指定の「情報AI基礎演習」が開講されている場合は、［全学向］の「情報AI基礎演習」を履修しても卒業要件を満たす科目として認められないことがあるので、各自で所属学部に必ず確認すること。

ノートPCを持参して履修すること。

トピックごとに提出を求める課題・レポートで評価する。レポートは授業で学習したポイントを踏まえているかどうか、記述が明解かどうかなどによって評価する。課された課題、レポートについて、評点を合計したものを成績とする。

授業時間外の学習としては、トピックごとに提出を求めている課題・レポートについて取り組むことを求める。

人数制限あり。
オフィスアワー実施の有無は、KULASISで確認すること。

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

Conducting state-of-the-art research across diverse fields of science, technology, and the liberal arts demands fundamental computer skills and the ability to effectively process, use, and analyze a wide range of information. This lecture covers the basics of information literacy and use, including how to collect, organize, search, manage, analyze, present, and visualize information. In addition, the course provides an overview of essential computational and AI techniques for extracting knowledge from data. It introduces how to apply these methods across a range of research fields.

Students will learn the fundamentals of information retrieval, processing, analysis, and presentation. In addition, they will understand when and how to use computational and AI techniques to solve diverse problems.

- Processing and management of information (about 7 classes)
This part covers topics related to the automatic analysis and processing of information, information retrieval (search engines), and storage (relational databases).

- Analysis of information (about 4 classes)
This part covers core methods for data analysis, including practical data mining techniques (association rules, clustering, and decision trees), as well as machine learning approaches (supervised, unsupervised, and reinforcement learning). It also introduces basic model evaluation concepts such as validation and overfitting, and discusses the responsible use of machine learning.

- Representation of information (about 2 classes)
This part covers topics related to information acquisition by computers (e.g., analog and digital data, multi-media, sampling theorem) and information representation (coding, entropy, Huffman coding, and mutual information).

- Information design (about 1 classes)
This part will cover the fundamentals of data visualization and information design, focusing on clear communication through common plots and information graphics (bar and scatter plots, treemaps, and network visualizations). This class also introduces basic design principles and briefly touches on visualizing machine learning results.

Total：14 classes, 1 feedback session.

特になし

Grading will be based on the evaluation of submitted reports for each assignment. All assignments will be available via the LMS system.

Students will review materials after classes based on the lecture slides.

No office hours are specified. E-mail: rafik.hadfi@i.kyoto-u.ac.jp

パーソナルコンピュータ (PC) の利用経験が浅い学生を主な対象とし、大学での学習や将来の研究活動においてPCを活用するために必要となる基礎的な知識と技能を修得することを目的とする。PCの基本操作、情報セキュリティと情報倫理、人工知能 (AI) の基礎と活用、情報検索の方法、データ分析の基礎、レポート文書やプレゼンテーション資料の作成法、PCを自在に操るために必要となるプログラミングの基礎について実践的に学ぶ。

・パーソナルコンピュータとネットワークを利用する際の基礎的な操作と安全な利用のためのスキルを得る。
・大学図書館が提供している学術情報とその利用法を知る。
・ワードプロセッサを用いて、学術的な文書を適切に作成するために必要な概念と操作技能を得る。
・表計算ソフトを用いて、データの処理を行う基礎的技能を得る。
・プレゼンテーションソフトを用いて、学術的プレゼンテーションを行うための基礎的技能を得る。
・コンピュータがプログラムによって動くという動作原理について、実際のプログラミングを通じて体験的に知る。

授業では以下の内容について学習する。初回にガイダンスを行う。

コンピュータの基礎とネットワークの利用（2週）
・PC とオペレーティングシステム (OS) の基礎
・ネットワークの基礎
・情報セキュリティと情報倫理
・生成AIの利用と留意点
情報の探索（1週）
・図書館が提供する情報リソースに加え、学術情報の流れ及び情報探索法の基本を概説する。
（協力：附属図書館研究開発室教員、附属図書館・吉田南総合図書館職員）
コンピュータによるコンテンツ作成（7週）
・文書作成の基礎 (Word)
・データ分析の基礎 (Excel)
・プレゼンテーション資料作成の基礎 (PowerPoint)
プログラミングの基礎（4週）
・プログラミングの概要
・変数によるモデル化
・条件分岐・繰り返しなどの制御構造
・プログラミングによるデータ分析
フィードバック（1週）

注：高等学校の新学習指導要領を踏まえ、授業で扱うトピックの検討を随時行っている。このため、上記内容の一部を変更する場合がある。

所属学部のクラス指定の「情報基礎演習」が開講されている場合は、［全学向］の「情報基礎演習」を履修しても卒業要件を満たす科目として認められないことがあるので、各自で所属学部に必ず確認すること。

授業内で演習を行うため、受講者は各自のPCを教室に持参すること。

各トピックに関連する課題やレポート課題等の提出物の内容によって評価する。
レポート課題は、授業で学習した内容を踏まえているか、記述が明解か等の観点により評価する。
すべての課題・レポート等について、内容に応じて重み付けをした合計得点を最終成績とする。

授業時間外の学修として、トピックごとに設ける課題・宿題について取り組むことを求める。
情報環境機構が提供する情報セキュリティe-Learningを各自で授業時間外に受講すること。

教室定員を超えた場合は、無作為抽選により受講者を決定する場合がある。
質問は随時メールで受け付ける。
先行的な内容を実施するため、授業内容の一部を変更することがある。

The development of powerful models such as ChatGPT and speech recognition has meant AI now exhibits more human-like intelligence. However, machines also need to take into account multiple types of data, known as modalities. In this course, students will gain an understanding of important AI models currently being used in the fields of vision, language and speech. We then discuss how we can take two or more of these fields and combine them to create multimodal models. There will also be the opportunity to practically test these AI models and understand where they work and what needs to be improved. Accompanying the lectures in this course will be code in Python so students can try implementing these models for themselves.

Students will gain a broad understanding of state-of-the art multimodal models and the techniques which are used to create intelligent systems. They will also learn to approach problems multimodally to improve model performance.

1. Introduction to multimodality (1 week)
We introduce the concept of modalities. What is a modality? How are modalities used in modern AI? We introduce some common multimodal tasks and describe how the course will teach students how AI can achieve these tasks.

2. Vision (3 weeks)
Students will first learn the basic modeling process, using image recognition as an example. We then introduce a foundational machine learning model, the neural network, and explain why this has become the basis for almost all modern AI. We show how the field of computer vision has built on this model through the convolutional neural network (CNN).

3. Language and audio (2 weeks)
Language and audio are two other modalities which have made a huge impact on modern AI. In these lectures we show how the neural network can be adapted to accommodate these modalities by introducing the recurrent neural network (RNN) and related models.

4. Transformers and attention (1 week)
Transformers are the foundation of large language models such as ChatGPT. In this lecture we will describe the important concept of attention and the transformer architecture which has revolutionized AI.

5. Advanced architectures and techniques (1 week)
In this lecture we take a special look at how neural network-based architectures can be extended to accomplish many different tasks through the use of techniques such as fine-tuning. We will also discuss latent spaces, which are necessary for understanding multimodal models.

6. Multimodal techniques (4 weeks)
We now look at models which combine different modalities, known as multimodal models. For these lectures we take an in-depth look at topics related to these multimodal models and take a specific focus on combining vision and language. These architectures have allowed modern AI to achieve tasks such as describing and answering questions about an image. Generative AI models will be introduced during these lectures. Students will also have the opportunity to try out multimodal LLMs on their own computers.

7. Other applications (2 weeks)
Applications related to multimodality will be described, including conversation and multimodal interfaces.

8. Final exam

9. Feedback

特になし

Grades will be equally split (33% each) between attendance and participation, an assignment and a final exam.

Students should aim to review course content through resources and code provided during the course on LMS.