この授業科目は人工知能とデータサイエンスにおける社会実装の最前線を学び、さらに自分の研究を社会実装するときの課題を考察することを目標としている。
ITサービス、金融業界、製薬業界の最前線で必要とされる技術の大枠を理解した上で、人工知能とデータサイエンスを活用する可能性について考察できるようデザインされている。2つのクラス(クラス1:日本語開講、クラス2:英語開講)で実施され、授業計画に示すとおり各回の授業において、企業の講師によりそれぞれのトピックに関する全体像と最近の動向が解説される。
この授業科目は、人工知能とデータサイエンスの社会実装に関する理解を深め、受講生が実社会において活躍する高度な能力を高めることを目標にしている。
✔ 該当する | 実務経験と講義内容との関連(又は実践的教育内容) |
---|---|
この授業科目はクラス1では株式会社リクルートと野村ホールディングス株式会社の講師により、クラス2では野村ホールディングス株式会社と楽天グループ株式会社と第一三共株式会社の講師により、実務経験に基づいて課題解決の技法を講義していただく |
人工知能、データサイエンス、機械学習、ワークショップ、経済分析
✔ 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) |
この授業科目では、学生自らが能動的に学ぶことを重視します。各回の講義には必ず出席してください。
授業計画 | 課題 | |
---|---|---|
第1回 | 機械学習とデータ利活用のビジネス応用ワークショップ(1) | データサイエンス技術の活用事例紹介と、Google Colaboratoryを利用したワークショップを実施する |
第2回 | 機械学習とデータ利活用のビジネス応用ワークショップ(2) | データサイエンス技術の活用事例紹介と、Google Colaboratoryを利用したワークショップを実施する |
第3回 | 金融分野におけるAI・データサイエンス①経済分析における機械学習・オルタナティブデータの活用 | 日本経済分析を行う上で必要な経済統計の見方、及び経済動態に関する発展的分析を行う上で有用な機械学習手法やオルタナティブデータ分析手法の事例を理解する |
第4回 | 金融分野におけるAI・データサイエンス② 金融時系列解析 | 過去の時系列データから将来株価の予測を行う時系列解析の開発事例を理解する |
第5回 | 金融分野におけるAI・データサイエンス③ クロスセクション分析 | 時間軸をある1時点に固定して、その時点における様々な指標と将来株価との間に潜む関係性から株価を予測するクロスセクション分析の開発事例を理解する |
第6回 | 金融分野におけるAI・データサイエンス④ ポートフォリオ最適化 | 複数の投資候補から、投資対象を選別し、投資割合を最適化させるというポートフォリオ最適化の開発事例を理解する。 |
第7回 | 金融分野におけるAI・データサイエンス⑤ データ基盤の開発 | 複数の投資候補から、投資対象を選別し、投資割合を最適化させるというポートフォリオ最適化の開発事例を理解する。 |
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。
なし
講義資料は事前にT2SCHOLAに掲載し、Zoom画面でも共有する。
期末試験は実施しない。技術的な理解度を問う毎回の小レポートと期末の課題レポートにより評価する。
この授業科目は博士後期課程の学生を対象としています。それ以外の方は,応用AI・データサイエンスC(XCO.T485-1, XCO.T485-2)を履修してください。
新田克己 nitta.k.aa[at]m.titech.ac.jp
金崎朝子 kanezaki[at]c.titech.ac.jp
メールで事前予約すること。