シラバス参照

印刷
講義名 ２４秋　後期／データサイエンス
基準単位数 1
科目区分 経営数理・問題解決（応用）
必修・選択 選択
配当年次 1・2年次
学修期間 学修期間1/2学期

担当教員
氏名
◎ 沖吉 真実

オフィスアワー eラーニングサイトおよびメールでの質疑応答を受け付けています。
（メールアドレスは大学院グループウェアのアドレス帳でご確認ください）
授業の概要 本講義では、Pythonを利用したデータ解析手法を学び、あらゆるビジネスシーンでデータを活用する力を養います。データサイエンスは生成AIをいかに上手く活用して、DX等を推進できるかがポイントとなります。本講義ではChat GPTを利用して、プログラミングへ活用することで、プログラミングを苦手とする方でもより簡単にデータを扱うことができることを目的としています。データ解析の一連の流れ（手順）を理解し、実際にPythonを実装させ、Try and Error を繰り返すことで、実践的なスキルの向上を目指します。
学修目標 基本的なデータ解析手法を学び、必要に応じて自身で知識を補強し、発展させる力を身に着けること。また、どの解析手法がどのようなシーンで使えるのかを理解し、自身のビジネス現場でPythonを用いてデータ解析を行い、出力に対して適切な解釈ができ、実務への応用ができることを目標としています。
授業計画（各章）
第1回
タイトル
第1章　データサイエンス概論
内容
第１節　本講義の概要
第２節　データサイエンスとは
第３節　Pythonについて
第2回
タイトル
第2章　Python基礎
内容
第１節　四則演算・print関数
第２節　変数・リスト
第３節　if文・for文
第４節　ライブラリについて
第3回
タイトル
第3章　生成 AI の活用
内容
第１節　生成AIとは
第２節　Chat GPTの使い方
第３節　プログラミングへの応用
第4回
タイトル
第4章　データ分析の準備
内容
第１節　データの読み込み　
第２節　データの可視化
第３節　前処理
第5回
タイトル
第5章　機械学習
内容
第１節　機械学習とは
第２節　機械学習の手順（回帰分析）
第6回
タイトル
第6章　ケーススタディ
内容
第１節　分類（決定木）
第２節　クラスタリング（k-平均法）
第7回
タイトル
第7章　ケーススタディ
内容
第１節　連関分析（アプリオリ）
第２節　協調フィルタリング（k-近傍法）
受講上の留意点 大学の既定のスケジュール通りに遅延なく受講してください。
成績評価基準 出席 20% 各章確認テスト 40%　期末試験 40%
必読書籍 吉田雅裕「Pythonで学ぶ はじめてのデータサイエンス」技術評論社、2023年
参考書籍 馬場真哉「Pythonで学ぶ あたらしい統計学の教科書」翔泳社、2022年
寺田学 他「Pythonによる あたらしいデータ分析の教科書」翔泳社、2022年
門脇大輔 他「Kaggleで勝つ データ分析の技術」技術評論社、2019年
その他 受講にあたって、プログラミング経験は問いません。ただし、データサイエンスの基礎となる統計学の基本的理解を前提としています。統計学講義を受講済でない方は「統計検定２級」程度の知識を目安に、事前学習をお願いします。
事前学修・発展学修 事前学修：
・本講義では基本的な統計学の知識（平均、標準偏差、重回帰分析など）が必要となります。これらに関連する基礎知識を確認、復習しておいてください。
・講義前に参考書籍の該当箇所を読むことで、スムーズな理解につながります。

発展学修：
・各章で学んだ分析手法は、実際にデータセットを用いて、ご自身のPython環境でプログラムを実装させてください。
・コードを暗記する必要はなく、必要に応じてWeb検索や書籍を参考にして知識を補強する習慣を身に着けてください。また学習サイトや書籍に掲載されているサンプルコードをアレンジして、応用力を身に着けましょう。
・各章で学んだ分析手法は自分の関連または興味のある分野（ビジネス、医療、社会科学、工学など）での具体的な活用方法について考察を行ってください。特に、自身の専門分野に関連するデータを使ってモデル構築を行うことで理解が深まり、実際のビジネス現場でデータを活用する力につながります。
対面授業
対面授業は実施しません。