近年,データ分析は経済学・経営工学の様々な場面で数多く現れる.
本講義では,データ分析の基本理論と様々なモデルを説明すると共に,経済学・経営工学との繋がりについて紹介する.
データ分析に関する知識は,経済学・経営工学の諸問題に対して数理的な視点からアプローチする上で必須といえる.
この講義を通じて,そのような知識を身につけてほしい.
本講義で扱う分析手法に対して,以下のことができるようになる.
(1)各手法で扱うモデルを理解し,説明できる.
(2)各手法における構造や諸性質を理解し,数学のことばで説明できる.
(3)各手法を実際に計算できるようになる.
(4)各手法と経済学・経営工学との繋がりとの繋がりを理解し,説明できる.
データ分析
✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
毎回の授業では,様々な問題を取り上げ,その解の構造と解の求め方,および経済学・経営工学との繋がりについて説明する.
毎回の講義では、講義資料をT2SCHOLAにアップするので、受講生はそれを読み、内容を理解する。
不明な点があれば、教員にメールなどで質問して理解に努める。
レポートはT2SCHOLAを使って締切までに提出する.
授業計画 | 課題 | |
---|---|---|
第1回 | 概論 | 本講義の目的を説明できるようになる. |
第2回 | 教師あり学習 | 基礎理論を理解できるようになる. |
第3回 | 演習の準備 | PCを使った演習ができるようになる |
第4回 | 線形モデル1 | 線形モデルを理解できるようになる. |
第5回 | 線形モデル2,k-近傍法 | 線形モデルとk-近傍法を理解できるようになる. |
第6回 | 線形回帰・判別、k-近傍法の演習 | 線形回帰・判別、k-近傍法を使ってデータ分析ができるようになる |
第7回 | サポートベクターマシン | サポートベクターマシンを理解できるようになる. |
第8回 | ニューラルネットワーク | ニューラルネットワークを理解できるようになる. |
第9回 | サポートベクターマシン、ニューラルネットワークの演習 | サポートベクターマシン、ニューラルネットワークを使ってデータ分析ができるようになる |
第10回 | クラスタリング | クラスタリングを理解できるようになる. |
第11回 | 特徴抽出 | 特徴抽出を理解できるようになる. |
第12回 | クラスタリング、特徴抽出の演習 | クラスタリング、特徴抽出を使ってデータ分析ができるようになる |
第13回 | データ分析1 | データ分析ができるようになる |
第14回 | データ分析2 | データ分析ができるようになる |
学修効果を上げるため,教科書や配布資料等の該当箇所を参照し,「毎授業」授業内容に関する予習と復習(課題含む)をそれぞれ概ね100分を目安に行うこと。
特になし.
毎回の授業前に資料を配付する.
特になし.
毎回の講義で出題する小テスト,レポートの解答状況などを踏まえて評価する
「プログラミング基礎」「経営・経済のための確率」については,履修していることが望ましい.