教員には、学生の健康や安全への配慮義務がある。また学生の人権を守ることは、当然のこととして期待されている。現在の大学においてハラスメント予防は重要な問題となっているが、ハラスメント問題の多くは、大学教員が学生の健康や安全への配慮、また学生が抱えている障害への配慮等についての意識が低いことに起因することが多い。ハラスメントを避けるという消極的目標を超えて、学生の人権を尊重した教員-学生関係を積極的に作り上げ、円滑で豊かなコミュニケーションを行い、必要かつ適切な学生支援を行うことができる大学教員になることを目指して、基本的な知識・スキルを身につける。

学生の権利侵害にならない（ハラスメントにならない）関わり方について学び、意識を高める。自らの人権も相手の人権も尊重するコミュニケーションのあり方について学ぶ。教室や研究室で問題を抱えた学生に早期に気づき、適切に対応するスキルについて学ぶ。障害のある学生への合理的配慮について学ぶ。

　この授業は、（１）オンライン授業（オンデマンド型）による講義と（２）教室における講義と（３）教室における演習の３つによって構成される。受講者は教室における講義と演習に先立って（１）のオンライン授業（オンデマンド型）による講義を受講しておくことが求められる。
　教室で行う（２）講義と（３）演習については、９月２４日と２５日の２日間にわたって10:30〜18:00に実施する。オンラインでは実施しない。

（１）オンライン授業（オンデマンド型）による講義（各50分）
　① 学生支援の基本理解（杉原）
　② 効果的なコミュニケーション（アサーション）（杉原）
　③ 問題を抱えた学生の早期発見と適切な対応（古川）
　④ ハラスメントにならない指導（中川）
　⑤ 現代社会における障害の理解（村田）
　⑥ 障害のある学生の権利保障と合理的配慮（村田）

（２）教室における講義
　① 学生の諸問題（メンタルヘルス、犯罪、問題行動）（和田）
　② 教職員にできる予防的な関わり方（古川）
　③ 不登校、引きこもり、意欲喪失の学生への対応（古川）
　④ リスク管理、危機管理（古川）
　⑤ アンガーマネジメント（杉原）
　⑥ 障害に関する大学としてのアプローチ（村田）

（３）教室における演習（グループワーク）
　① アサーション（杉原）
　② 身近なハラスメントについて考える（中川）
　③ ハラスメントの相談を受ける（中川）
　④ 悩みの相談を受ける（言語）（和田）
　⑤ 悩みの相談を受ける（非言語）（和田）
　⑥ 悩みの相談を受ける（総合）（和田）

特になし

各担当教員が授業中に課すレポートにより成績評価を行う。

各自の興味関心に従って、関連する文献を読むこと、自身の体験を振り返ることなどが望ましい。

本科目は大学院教育支援機構が提供する「教育能力向上コース」を構成する科目である。

「アントレプレナーシップ（起業家精神）は、単に起業することを指すのではなく、イノベーションを生み出すために不可欠な資質である。

イノベーションを実現するには、新しいアイデアが普及し、人々の生活を変え、経済的な価値を創出することが求められる。このプロセスを主導するのがアントレプレナー（起業家）である。特に、テクノロジー主導型の企業やディープテック研究開発型企業の創業者・経営陣・投資家には、専門的な知識や経験が不可欠であり、米国ではPh.D.（博士号）がその専門性を示す指標の一つとされている。

大学院に進学することで、自ら起業する道や、スタートアップ企業への就職といったキャリアの選択肢が広がる。これは、大学院教育の大きな魅力の一つである。日本においても、大学院以降の研究経験がキャリア形成の新たな道を開くという認識が広く共有されることが重要である。

また、「インクルージョン」や「ダイバーシティ」といった概念のもと、それぞれの個性を最大限に活かし、他者と異なる視点や価値観を持つことが尊重される社会の実現が求められている。 これは、単に個人の成長にとどまらず、キャリア形成においても重要な考え方となっている。人と違うことに挑戦することが、社会的に受け入れられ、積極的に評価される環境を整えることが不可欠である。

本授業では、多様な分野で活躍するアントレプレナー（起業家）を講師として招き、それぞれがどのように独自のキャリアを築いてきたのかを学ぶ。 キャリア形成に関する基本的な知識や考え方を理解するとともに、自身のキャリアを多面的な視点から整理し、今後の方向性を考える機会とする。

・キャリア形成に関する基本的な知識や考え方を理解できている。
・講義や討議の内容を理解し、自身の将来のあり方に引き付け解釈できている。
・本授業を通じて、将来のキャリア志向を意識し、整理できている。

本授業は講義形式と討議形式とを組み合わせて実施する。実際のアントレプレナーのキャリア形成を参考とし、自身の将来のあり方を省察してレポートにまとめることで、キャリア志向を整理する。

９月１９日（金）
２限「イントロダクション」木谷 哲夫
３限「キャリア概論」
フォースタートアップス株式会社 代表取締役社長 志水 雄一郎
４限「研究開発型スタートアップによる核融合への挑戦」
　　京都フュージョニアリング株式会社 共同創業者 兼 取締役会長 長尾 昂
５限「ソーシャルビジネスへの挑戦」
特定非営利活動法人WELgee 代表理事 渡部 カンコロンゴ 清花

９月２２日（月）
２限「ロボティクス研究者から起業家へ」
SMC株式会社 技術本部 部長 尹祐根
３限「アントレプレナーとしてのキャリア」
ウォンテッドリー株式会社 代表取締役CEO 仲暁子
４限「スタートアップから大企業への軌跡」
　　株式会社マネーフォワード 代表取締役社長CEO 辻庸介
５限　まとめとフィードバック
　　新村 和大

＜授業の進め方＞
講義（50分）→ 学生間での討議（10分）→ 講師を交えた討議（30分）
本授業は対面で実施する。

特になし

授業への参加状況、レポート、講義内における討論などをもとに総合的に評価する。

必要に応じて適宜指示する。

講義に関する質問等は以下のメールアドレスで受け付ける。
ims@saci.kyoto-u.ac.jp

本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。
インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。

履修者に養ってほしい能力は次のとおり：
自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築

(授業計画と内容)※
１．履修に興味を持った方は、次のURLから必ず学内エントリーを行うこと。（https://forms.gle/gyUdr15dtNJhLWR77）
２．大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関（註1）の専用システムのアカウント登録を行うこと。
３，２のアカウント登録後、マッチング支援機関（註2）が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション（註3）の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。
４．指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。
５．応募後、企業等とのマッチング選考が行われる。
６．マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する（締結業務は本学事務職員が行う）。
７．インターンシップ実施前に1回のガイダンスを行う。
８．インターンシップ実施
９．インターンシップ終了後に報告書を大学院教育支援機構に提出する。
　　当該報告書には、45時間以上90時間未満の実習（授業外学習を含む）の実施について記載すること。

（註1）ジョブ型研究インターンシップ推進協議会
（註2）株式会社アカリク
（註3）企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き（秘密保持・知財・研究成果公表等にかかる契約の有無等）等の情報が示される。

以下の条件を全て満たすこと：
・博士後期課程学生であること。
・2ヶ月程度のインターンシップへの従事が可能な者。
・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。
・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。
　学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。

・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。
・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、Ⅱ（2単位科目）のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、90時間以上をⅡ（2単位科目）として定める。

インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。

本科目履修にあたり、履修登録は不要です。

　本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。
　インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。

履修者に養ってほしい能力は次のとおり：
自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築

１．履修に興味を持った方は、次のＵＲＬから必ず学内エントリーを行うこと（https://forms.gle/gyUdr15dtNJhLWR77）。
２．大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関（註1）の専用システムのアカウント登録を行うこと。
３，２のアカウント登録後、マッチング支援機関（註2）が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション（註3）の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。
４．指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。
５．応募後、企業等とのマッチング選考が行われる。
６．マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する（締結業務は本学事務職員が行う）。
７．インターンシップ実施前に１回のガイダンスを行う。
８．インターンシップ実施
９．インターンシップ終了後に報告書を大学院教育支援機構に提出する。
　　当該報告書には、90時間以上の実習（授業外学習を含む）の実施について記載すること。

（註1）ジョブ型研究インターンシップ推進協議会
（註2）株式会社アカリク
（註3）企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き（秘密保持・知財・研究成果公表等にかかる契約の有無等）等の情報が示される。

以下の条件を全て満たすこと：
・博士後期課程学生であること。
・2ヶ月程度のインターンシップへの従事が可能な者。
・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。
・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。
　学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。

・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。
・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、Ⅱ（2単位科目）のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、90時間以上をⅡ（2単位科目）として定める。

インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。

本科目履修にあたり、履修登録は不要です。

(授業の概要・目的)※
経済活動を支える手段として「知的財産」および「知的財産権」（以下まとめて「知財」という）は、重要なファクターとなっている。
「知財」は、ライバル企業による模倣の制止（侵害訴訟）だけでなく、企業間の協力（ライセンス、パテント・プール）、研究開発力向上（職務発明制度）などの面で利用され、企業の競争力を高めるための手段として活用されている。また、大学もその研究成果の社会実装に向けて、企業との共同研究、ベンチャー企業育成などに取り組んでいるが、こうした活動において「知財」ルールをうまく取り決めないと将来の研究活動に制限をうけるリスクが生じる。
本授業では、「知財」についての基本的知識とともに、企業や大学の具体的な活動事例に基づきながら、「知財」の活用方法についての考え方を習得することを目的とする。
※「知的財産」とは、（1）発明、考案、植物新品種、意匠、著作物など、人間の創造的活動により生み出されるもの、（2）商標、商号その他の事業活動に用いられる商品または役務を表示するもの、および（3）営業秘密その他の事業活動に有用な技術上または営業上の情報をいう。
※「知的財産権」とは、特許権、実用新案権、育成者権、意匠権、著作権、商標権その他の知的財産に関して法令により定められた権利または法律上保護される利益に係る権利をいう。

本講座では、知的財産について予備知識の無い大学院生が、知的財産の概要、権利取得や知財契約の種類・考え方についての基礎的な知識を習得し、今後知的財産を活用していく上で必要な、知財戦略の基本的な考え方や、先行技術の検索方法等、具体的な活用方法について理解を深めることを目的とする。

(授業計画と内容)※
①　知的財産の概要（1回）
知的財産とは発明やデザインなどの無形資産であり、特許権、著作権、意匠権などの法的権利によって保護される。知的財産を概観しその種類や役割を検討する。
②　権利取得や知財契約の種類と考え方（1回）
異なる種類の知的財産権の取得方法（特許出願、商標登録など）と、それらを管理するための契約、権利取得の戦略的な考え方や契約における法的・商業的要因について論じる。
③　特許権と知財戦略、ライセンス交渉（１回）
特許権の基本、特許取得プロセス、および特許を中心とした知的財産戦略に重点を置き、ライセンス契約における主要な要素、価格設定、そして利害関係者間の交渉について検討する。
④　先行技術情報検索手法についての基礎的な知識（１回）
特許出願の前に重要な、データベースの使用、検索キーワードの選定、及び検索結果の分析方法などの先行技術検索の方法について解説する。
⑤　ケース分析（1回）
知的財産の保護や活用の事例を取り上げてグループ討議を行い、課題や論点の整理を行う。
⑥　ベンチャー、大学における知財活用（１回）
ベンチャー企業や大学がどのように知的財産を活用しているか紹介する。研究成果の商業化、スタートアップにおける知財戦略、特許ポートフォリオなどについて議論する。
⑦　ビジネスにおける意匠権・商標権・著作権の活用（１回）
意匠権、商標権、著作権の概要を解説し、ビジネスにおける各権利の保護と活用の事例、争いの事例などを紹介する。
⑧　イノベーションのための特許情報の活用（１回）
特許情報は、技術トレンド、競合他社の活動、および新たな技術の可能性を理解するのに有用である。特許情報を活用して新しいビジネス機会を探求する方法について考察する。
（授業日程）
第一回　８月２９日（金）３限、４限、上記①②（河端）
第二回　９月５日（金）３限、４限、５限、上記③④⑤（河端）
第三回　９月１２日（金）３限、４限、５限、上記⑥⑦⑧（阿部、楠浦）

特になし

レポート：60％　（第二回、第三回終了後に出題）
授業参加・貢献（出席および授業中のミニクイズ、質問・発言、講義内における討論などをもとに総合的に評価する）：40％

別途指示する。

●関連科目
アントレプレナーシップ全般
大学院共通科目
「アントレプレナーシップ入門」
「アントレプレナーシップ演習」

●本科目は大学院教育支援機構が提供する「産学協同教育コース」を構成する科目であるが、コース履修に関わらず本科目のみ受講することも可能です。

本科目では大学院生として研究室などでの研究活動を本格化させるための基礎的な知識・スキルとして、大学図書館などを活用した学術情報の探索と発信、本学が提供する情報通信サービスの理解とその適正な運用、その基礎となる情報ネットワークやコンピュータについての実践的事項、情報セキュリティと情報倫理などを学習する。

大学図書館などを利用した学術目的の情報探索、情報発信について、効果的な文献の探索・収集・活用の手法と、論文として発表する際のマナーを知る。

研究活動でコンピュータや LAN、インターネットを適切に利用するための技術的な基礎知識を知る。

研究室でのネットワーク利用のために本学が提供しているKUINS 等の情報通信サービスについて知り、適切に利用できるようになる。

研究活動でコンピュータやネットワークを利用する際の本学での遵守事項や情報セキュリティ・情報倫理上の留意点を知り、実践できるようになる。

以下、４回の授業を集中講義形式で実施する。

・学術研究のための大学図書館利用と情報探索、情報発信(1回)
・ネットワークの基礎(1回)
・大学の情報基盤の利活用(１回）
・情報セキュリティと情報倫理（1回）

特になし

授業への出席と情報環境機構が提供する情報セキュリティ e-learningの修了が合格の要件である。その上で、課題の提出状況を評価に加える。

情報セキュリティ e-learning についてはあらかじめ修了しておくこと。授業外学習として課題を課す。

【メディア授業科目】
受講時に、受講前に持っている情報リテラシーについての知識・スキル等を調査する予定である。授業資料は電子的に配布するので、ノートPC などを持参して受講することが望ましい。

データ科学は科学研究の基本の一つであり、本学においても研究科を問わず、多様な分野において活用されている。本科目では、データ科学的手法に関する知識と技術の習得を目的とする。データ科学的手法は扱うデータや分野によって多岐にわたるが、データ科学に関連する知識・技術を広く習得することは、研究の多様性への適応力を育むことにも繋がり重要である。
本科目ではデータ科学を広く概観するため、データ科学イノベーション教育研究センター所属教員を中心に複数の教員がリレー講義と演習を行い、様々な領域におけるデータ科学の現状と可能性について理解を深めることを目標とする。

大学院入学までの間に必ずしも十分なデータ科学教育を受けられなかった学生、もしくは学び直しを目指す学生を主たる対象とし、文部科学省が定める数理・データサイエンス・AI教育プログラム　リテラシーレベル(MDASH Literacy)レベルの復習から始め、同プログラム応用基礎レベル(MDASH Advanced Literacy)もカバーしたうえで、大学院レベルで求められるデータ科学的手法について学ぶ。
具体的には以下の2つを目標とする。

1.　様々な領域におけるデータ科学的手法の現状と可能性について理解できるようになる。
2.　実習を通じて、Excel・R言語・Python・JMP Pro等を用いてデータ分析に必要な基礎的な処理ができるようになる。

5月〜7月の日曜日を中心に集中講義・実習形式で開講する。
なお開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮し、オンライン・オンデマンド型で実施する。
データ科学イノベーション教育研究センター所属教員と出身教員等（ゲストスピーカー）が、以下の内容や関連した手法について合計15回のリレー講義と演習を行う。

1.　導入
2.　クロス集計表
3.　区間推定
4.　2群間の平均の差
5.　分散分析
6.　相関
7.　回帰
8.　因果推論
9.　まとめ

なお、各教員は、各自の様々な専門領域でのデータ科学実用例などを講義・実習で用いる予定である。

特になし

7人程度の教員が分担するが、各教員が個別に課す課題（15％程度）を合計して評価する。

参考書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧や質問の提出を求める。

【メディア授業科目】
講義中に教員との連絡方法について指示する。

The purpose of this course is to obtain the basic knowledge and academic skills to prepare yourself in conducting research activities as a graduate student. The contents of the course include: 1) library instruction to develop search skills online and offline, 2) campus information services and their adequate use, 3) practical issues on information network and computers in relation to the campus information system, and 4) information security and ethics.

Students learn the effective search skills of library collection and how to utilize the academic information for their studies, as well as the manners and ethics when publishing his/her works as academic papers.

Students acquire basic knowledge in utilizing computers, LAN and internet for academic studies.

Students know campus information services such as KUINS and can use them adequately in his/her laboratory.

Students know and can practice the rules to follow in using computers and networks for academic activities in the university recognizing issues in information security and ethics.

Course is given as an intensive course of four class hours. It treats the following topics:
1) Utilization of university library, information search and publication (1 class hour)
2) Basics of information network (1 class hour)
3) Usage of campus information services (1 class hour)
4) Information security and ethics (1 class hour)

特になし

Grades are based on participation to classes, and submission of assignments. Completion of information security e-learning provided by the Institute for Information Management and Communication (IIMC) is required.

Students are required to complete Information Security e-Learning by IIMC in advance. They are also required to submit several assignments.

【This course is held online（メディア授業科目）】
Survey on students’ knowledge and skills in information literacy will be carried out in class. Course materials will be provided electronically. To attend classes with a device such as a laptop PC to refer the downloaded materials is desirable.

大量データの解析方法を扱うデータ科学は、科学研究のみならず高度情報化社会を支える基礎となりつつある。最近では、コンピュータ上で複雑な現象を再現する数値シミュレーションの分野でもデータ科学の有用性が高まっている。例えば、気象予測においては、観測から得られる情報を数値シミュレーションに取り入れる「データ同化」と呼ばれる統計科学的な手法が用いられており、予測の精度向上に威力を発揮している。また、数値シミュレーションを用いた不確実性の評価、リスク評価などにおいてもデータ科学の手法が有効である。本講義では、気象予測・予報で用いられるデータ同化を中心に、数値シミュレーションによる現象の再現・予測・不確実性評価などに利用されている統計的手法を取り上げ、その基本的な考え方や実装方法を基礎から解説する。

データ同化などの基礎となる空間データ解析、時系列データ解析手法の基本的な考え方を理解し、それらが数値シミュレーションの分野でどのように活用されているかを理解する。

(1) 導入と数学的準備
背景，確率分布，行列の計算
(2) 最小二乗法とその拡張
最小二乗法，拘束付き最小二乗法，ベイズ推定の基礎
(3) カルマンフィルタ
カルマンフィルタ，その実装
(4) アンサンブルカルマンフィルタ
アンサンブルカルマンフィルタ
(5) アンサンブル変換カルマンフィルタ
アンサンブル変換カルマンフィルタ，局所化
(6) 4次元変分法
アジョイント法，4次元アンサンブル変分法
(7) 粒子フィルタ
粒子フィルタ
(8) 時間があれば，その他関連する話題を紹介する

共通教育における微積分学・線形代数学・統計学入門程度の内容を理解していることが望ましい。
また、プログラミング(言語は問わない)や数値計算の入門程度の知識があることが望ましい。

講義中に課すレポートの内容により、到達目標への到達度を評価する。

予習の必要はないが、「データ科学：理論から実用へ演習」を受講するなどして復習を行うことが望ましい。

講義中に教員との連絡方法について指示する。

講義科目「データ科学：理論から実用へ」の内容について、実データとコンピュータによる実践的演習を集中講義として行う。

「データ科学：理論から実用へ」の内容について、講義中に開設した数理的理論に基づいてコンピュータを用いて実データを処理する手法を習得する。

システムの時間発展を再現するために、データの情報を数値シミュレーション取り入れる手法である「データ同化」について、すぐにプログラム作成可能な単純なシステムを題材に、基本的な手法をPython言語で実装する実習を行う。手法としては、次の中から進度と理解度に応じて選択する。最小二乗法、拘束付き最小二乗法、カルマンフィルタ、アンサンブルカルマンフィルタ、アンサンブル変換カルマンフィルタ、粒子フィルタ、アジョイント法

「データ科学：理論から実用へ」を履修していることを前提とするが、内容を自習することにより本講義だけを受講することも可能である。必要な知識は「データ科学：理論から実用へ」に準ずる．演習ではPython言語を使用する．Pythonプログラミングの経験がない者の受講は妨げないが、何らかのプログラミング言語および数値計算の入門程度の知識があることが望ましい。

演習課題によって評価する。

「データ科学：理論から実用へ」の内容を復習・自習して臨むことが望ましい。