科目ナンバー

SE-AI1-7A01

履修条件・関連科目等

　特に必要なし。

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

従前のビジネスにおいてはどのような経営資源(ヒト、モノ、金)を持っているのかが重要だったが、現在、ビジネスをはじめとするあらゆる分野において、データの利活用とその良否が結果を変える時代が到来しているといえる． GAFAM(アマゾン、アップル、マイクロソフト、グーグル、メタ・プラットフォームズ (旧:フェイスブック))の例はよく知られた例である。
　データサイエンスは、データを利活用し、新たな価値を生み出すために生み出された学際的な科学である。その一方で、この学ぶべき分野の広がりは大きく、その全体像を理解するのは容易ではない。特に、大学生活を始めたばかりの１年次の学生にとっては、設置されている各科目の意義や相互の位置づけが理解しづらく、何を目標に勉強したらよいのか、将来の自分の進路とどう関連づければよいのかが曖昧になりやすい。
　この講義は、本学科における専門教育への導入の一環として、受講者が本分野の概略を掴み、今後の学習・進路目標を定める上で必要な情報を取得することを目的としている。各回の講義では、本学科専任教員により、データサイエンスに含まれる各専門分野の紹介と、各講義科目の本学科カリキュラムにおける位置づけや、これらの間の関連を中心に講義し、学生の学習意欲の向上を目指す。ここで講義される各専門分野は、データサイエンスのすべてを網羅するものではないが、この学問分野を理解するきっかけになる。

科目目的

データサイエンス分野の概要を理解すること。

到達目標

　本学科で行われている研究分野を中心に、データサイエンス分野の概要を理解し、開講されている各種講義科目間の関係を理解し、自分の学習計画を立てることができるようになる。

授業計画と内容

第1回　ガイダンス、データサイエンスについて (長塚)
第2回　品質環境マネジメント (中條)
第3回　センシングデータ解析とスマートファクトリー (大草)
第4回　マーケティング・リサーチ (生田目)　
第5回　地理情報システムと都市分野への応用 (馬場)
第6回　データ駆動社会における機械学習 (樋口)
第7回　確率論と金融・保険の数理 (藤田)
第8回　最適化と意思決定科学 (後藤)
第9回　情報の価値とインタラクションデザイン (庄司)
第10回　ヒューマンメディア工学・感性工学 (加藤)
第11回　ソフトコンピューティング (渡辺)
第12回　自然言語処理と情報検索 (難波)
第13回　経営学の対象と方法 (磯村)
第14回　データサイエンス分野の研究紹介 (福田 牧草 丸)
（注：担当教員の都合により、講義の順番の入れ替え等が生じることがある。）

授業時間外の学修の内容

授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

　授業外で与えられた課題についてのレポートを各自作成する。講義で学んだ内容をよく復習した上で、必要に応じて参考文献等を調べて作成すること。

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

　成績は、平常点とレポート（全14回）で評価する（１００％）。平常点とレポートの比率は授業回ごとに異なる。レポートについては、各回授業中に出題する課題のレポートを次回の授業までに提出してもらう。

課題や試験のフィードバック方法

授業時間に限らず、manabaでフィードバックを行う

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

実施しない

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

実施しない

授業におけるICTの活用方法（その他の内容等）

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

　必要に応じて講義中にプリントを配布する。
　参考文献は必要に応じて講義中に紹介する。

その他特記事項

参考URL