シラバス参照

印刷
講義名 ２４秋　後期／データサイエンス　※仮
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
学習期間 学習期間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。
学習目標 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 第１章　データサイエンス概論
　　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章　Python基礎
　　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章　生成 AI の活用
　　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章　データ分析の準備
　　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章　機械学習
　　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章　ケーススタディ
　　第１節　分類（決定木）
　　第２節　クラスタリング（k-平均法）
--------------------------------
第７章　ケーススタディ
　　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」技術評論家、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で学ぶ あたらしいデータ分析の教科書」翔泳社、2022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。
対面授業
対面授業は実施しません。