本講義では、統計分析、機械学習や計量書誌分析などの技術経営に関する定量的なデータ・情報分析技術の理論と分析事例の講義を行う。本講義を通じて、技術経営を学習ならびに研究を行う上で必要な分析リテラシーを習得することを目的とする。
ビッグデータがビジネスのキーワードとなる現代において、データ分析の方法論を学び、スキルを身につけることは、企業にとっても個人にとっても、差別化の要素となり得る。本講座ではデータ分析の方法論を、具体例や実際の演習問題も合わせて学ぶことで、分析のための基礎知識の習得に加え、データ分析を経営判断やビジネスに活用するための方法についても講義を行う。
本講義を履修することによって次のことを理解する。
1) 統計分析や機械学習を用いた数値解析手法の留意点と手法間の相違
2) ネットワーク分析ならびにテキスト分析などの非構造化データの分析手法
3) 論文や特許などの技術経営に関する調査研究を実施する上で重要なデータの取り扱い方
また、演習を通じて、
4) グローバルな研究動向の把握した上で新たな研究開発テーマや戦略を企画・起案する力
を修得することを目標とする。
統計分析、機械学習、テキスト分析、ネットワーク分析、研究企画、研究開発戦略
✔ 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) |
第1回にグループ分けを行うので出席すること。第7回のグループ発表を除き、全て座学で、データサイエンスの全体像、理論、手法、課題を浴びるようにインプットする。それを踏まえてグループワークならびにレポートに取り組むこと。
授業計画 | 課題 | |
---|---|---|
第1回 | データサイエンスを学ぶ | データ分析手法の全体像の把握 |
第2回 | 論文・特許データベース概論 | 論文および特許データベースの構造把握 |
第3回 | 学術俯瞰の方法論 | 論文および特許データを用いた分析の方法論を学ぶ |
第4回 | 非構造化データの分析 | ネットワーク分析、テキスト分析、クラスタリング、可視化手法の理解 |
第5回 | 統計分析概論 | データサンプリング、統計分析と検定手法の理解 |
第6回 | 機械学習概論 | 機械学習を用いたモデル化の目的と方法論の理解 |
第7回 | グループ発表 | データ分析を用いて研究企画・研究戦略を構築する実践力を修得する |
第8回 | 企業におけるデータ分析の実際 | データ分析を技術経営に実践する上での課題について学ぶ |
指定しない
指定しない
グループ発表(30%)、レポート(70%)
履修の条件を設けない