- ホーム
- > 環境・社会理工学院
- > 技術経営専門職学位課程
- > 数理情報分析基礎 II
- 開講元
- 技術経営専門職学位課程
- 担当教員名
- 笹原 和俊
- 授業形態
- 講義 / 演習 (ハイフレックス型)
- メディア利用科目
- 曜日・時限(講義室)
- 土1-2(CIC)
- クラス
- -
- 科目コード
- TIM.A406
- 単位数
- 1
- 開講年度
- 2023年度
- 開講クォーター
- 4Q
- シラバス更新日
- 2023年3月20日
- 講義資料更新日
- -
- 使用言語
- 日本語
- アクセスランキング
-
media
講義の概要とねらい
本講義では、膨大かつ多様なデータをビジネスに活用するためのデータサイエンスを学ぶ。特に、技術経営への適用に念頭において、構造化データと非構造化データの性質とそれらの分析手法を講義し、プログラミング演習を通じてビジネスデータ分析の基礎力を身につける。
到達目標
本講義の目標は以下の2つである。
- 機械学習、テキスト分析、ネットワーク分析の基礎を理解する
- データ分析をビジネス課題の理解や解決に活用できるようになる
キーワード
回帰、分類、予測、クラスタリング、テキスト分析、ネットワーク分析
学生が身につける力(ディグリー・ポリシー)
| ✔ 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) |
授業の進め方
この授業では、構造化データと非構造化データを分析するためのデータサイエンスの理論を講義し、プログラミング演習によって理解の定着とビスネスデータ分析の実践力を養う。プログラミング言語はPythonを使用する。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | ビジネスデータサイエンス入門 | ビジネスデータサイエンスの全体像を理解し、プログラミングの基本を身につける |
| 第2回 | 教師あり学習 | 回帰、予測、分類などの代表的な教師あり学習手法を理解する |
| 第3回 | 教師なし学習 | クラスタリングや次元削減などの代表的な教師なし学習方法を理解する |
| 第4回 | プログラミング演習1 | 教師あり・教師なし学習に関するプログラミングスキルを身につける |
| 第5回 | ネットワーク分析 | ネットワークデータの性質、ネットワークを可視化・分析にするための理論と方法を理解する |
| 第6回 | テキスト分析 | テキストデータの性質、形態素解析や感情分析などの自然言語処理の原理と方法を理解する |
| 第7回 | プログラミング演習 2 | ネットワーク分析とテキスト分析に関するプログラミングスキルを身につける |
授業時間外学修（予習・復習等）
講義後に参考文献の該当箇所を読んで復習することを推奨する
教科書
スライドを配布する
参考書、講義資料等
- 鳥海不二夫（編）『計算社会科学入門』丸善出版 (2021)
- 杉山聡（著）『本質を捉えたデータ分析のための分析モデル入門』 (2022)
- セバスチャン・ラシュカら（著）[第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (2020)
成績評価の基準及び方法
授業貢献度20%、演習40%、課題レポート40%
関連する科目
- TIM.A414 ： 社会科学のモデル・実験入門
- TIM.B535 ： デジタルマーケティング
- TIM.A405 ： 数理情報分析基礎 I
履修の条件(知識・技能・履修済科目等)
履修の条件を設けない
