シラバス参照

印刷
講義名 ２６秋　後期／ビジネスシーンにおけるAI・データ活用
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
◎ 佐藤 市雄
飛田 陽平

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、ビジネスシーンにおけるAI・データ活用の実践的な手法について学びます。講師は、SBIホールディングス AI・デジタル戦略推進部 データサイエンスグループの実務メンバーが担当し、データの加工から分析、具体的な活用方法までを体系的に解説します。

講義では、不正検知、ネットワーク分析、需要予測、経済指標分析、合成データといった多様な実事例を通じて、データサイエンスのビジネス応用に関する実践的な理解を深めることを目指します。

【注意】
・ChatGPT等に代表されるLLM（大規模言語モデル）ベースの生成AIは主要な対象とはしませんが、関連する概念や技術動向については、必要に応じて位置づけを説明します。
・授業内容や課題はPythonプログラミングの基礎的な知識を前提とします。受講前に必要なスキルを「事前学修」や「受講上の留意点」の項目に示しましたので、履修を検討される方は必ず事前に確認してください。
学修目標 本講義を通じて、以下の能力を身につけることを目指します。

・機械学習およびデータ加工に関する、実務で通用する実践的なスキルを習得する。
・多様なデータ分析手法の適用可能性を正しく認識し、課題解決に向けた視野を広げる。
・ネットワーク分析、不正検知、オルタナティブデータ、合成データ（Synthetic Data）等の知見が、ビジネス課題の解決にどう寄与するかを具体的に理解し、多角的な視点を持つ。
・データ活用に基づくビジネスプロセスの改善に向けた実践的なアイデアを考案し、具体的な提案につなげることができる。
授業計画（各章）
第1回
タイトル
第１章　AIと機械学習
内容
本講義の導入として、AIの定義・歴史・ビジネス実装の意義を解説します。
AIの進化の過程を振り返ることで、AIを高度なデータ処理と捉え直し、次章以降で学ぶ実践的な活用手法への土台とします。次章以降を担当する講師の紹介も行います。
1.　AIとはなにか？
2.　AIの歴史
3.　AI活用に取り組む意義
担当：佐藤 市雄
第2回
タイトル
第２章　データ活用の前処理としてのデータ加工
内容
次章以降の具体的なデータ活用の前段階として、Pythonプログラミングにより実際のデータを分析に適した形に整形する方法を解説します。
次章以降の事例研究や実際のデータ活用の前段階として、分析の質を左右するデータ加工について解説します。Pythonを用いた具体的なデータの整形・結合手法に加え、ビジネス課題に応じた適切なデータの前処理プロセスを扱います。
1.　Pythonについて
2.　データ整形の流れ
3.　scikit-learnを使ったデータ整形
担当：飛田 陽平
第3回
タイトル
第３章　不正検知
内容
事例紹介：損害保険の不正請求検知
1.　背景と現状の処理フロー
2.　不正予測モデルの構築と不正内容の分析
3.　業務への組み込み
担当：財部 将孝（ゲスト講師）
第4回
タイトル
第４章　ネットワーク分析
内容
1.　グラフ構造のデータ
2.　事例紹介：商流可視化
3.　デモ
4.　GNN（グラフニューラルネットワーク）
担当：鍋倉 由樹（ゲスト講師）
第5回
タイトル
第５章　需要予測
内容
1.　時系列データを用いた需要予測
2.　需要予測システムの運用
担当：橋詰 創一郎（ゲスト講師）
第6回
タイトル
第６章　経済指標分析
内容
1.　消費者物価指数とは
2.　消費者物価指数分析
担当：段 小城（ゲスト講師）
第7回
タイトル
第７章　合成データ (synthetic data)
内容
1.　合成データ の概要
2.　合成データ の生成
3.　合成データ の課題
担当：飛田 陽平
授業計画 ※進捗状況や講師の都合により、内容や順序を一部変更する可能性があります。
受講上の留意点 ・本講義では、Python を用いたデータ加工・分析を扱います。Python の基本的な文法（変数、リスト、条件分岐等）について一定の理解があることが望まれます。
・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 出席率(20%) + 各章の小テスト(30%) + 期末課題(50%)
必読書籍 特になし
参考書籍 『金融AI成功パターン』（金融データ活用推進協会 著、日経BP、2023年）
事前学修・発展学修 事前学修：
授業ではデータの加工や分析に Pythonのライブラリ（pandas, scikit-learn等）を使用します。これらの具体的な操作方法は第2章の講義内で解説・実習を行います。Pythonの基本的な文法（変数、リスト、条件分岐など）や環境構築については、既に習得していることを前提として授業を進めます。
また、統計学や機械学習に関する基本的な知識についても適宜触れますが、体系的な講義は行いません。必要に応じて、各自で補足学習を行ってください。

発展学修：
興味を持ったテーマについて、手元のデータやオープンデータを用い、実際に自身の環境で分析・実装してみることを推奨します。講義で得た知識を自らの課題に応用することで、より実践的な理解が深まります。
対面授業
対面授業は実施しません。