科目ナンバー

SE-AI4-7A91

履修条件・関連科目等

　必要となる知識は研究室によって異なるが、ビジネスデータサイエンスの基礎となる科目については、十分に理解し、修得していることを前提とする。
--------

[樋口研究室]
以下の教科書の内容は既知として指導を行う。未習あるいは習熟に不安のある学生は知識を習得すること。

教養としてのデータサイエンス (データサイエンス入門シリーズ) 、講談社 (2021/6/17) ISBN: 978-4065238097

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

卒業研究はIとIIを通じて卒業論文の執筆を行うものである。Iはその前半部分であり、研究計画書の提出を1つの区切りとする。4年生の前期にIを、後期にIIを行う標準ケースの場合、以下のようなスケジュールで進める。
　3年次（前年度）の10月初旬に各研究室の紹介を行い、11月までに各人の希望の調査、配属先の決定を行う。2～3月に研究室毎に前年度卒業研究の発表会、新年度卒業研究の説明会が行われる。4月より卒業研究に必要な専門知識の習得や演習を開始し、逐次、研究に着手する。研究の進め方は研究室、テーマによって異なるが、7月下旬に研究計画書の提出、中間発表を行い、1月中旬に卒業研究要旨（2ページ）、1月下旬に卒業論文を提出し、発表会にて口頭発表を行う。

［研究室の決定］
　卒業研究の基本は担当教員によるマンツーマンの指導・助言である。したがって、1人の教員が担当する学生数はできるだけ少ない方が好ましい。このため、ビジネスデータサイエンス学科では、1つの研究室に配属される学生数が同じになるようにしている。結果として、特定の研究室を希望する学生が多いと何らかの調整が必要となる。この調整をできるだけ透明かつ公平に行うために、学生による希望を聞いた上で学生全体の満足度が最大となる配属方法を「OR」や「最適化手法」の授業で学んだ線形計画法を用いて決めている。昨年度行った方法の基本的な流れは以下の通りである。
　（１）各学生は持ち点300点を配属を希望する研究室に割り付ける。ただし、１研究室に割り付けることのできるのは最大100点であり、300点すべてを割り付けなければ。i番目の学生がj番目の研究室に付けた点数をx_{ij}とする。
　（２）３年前期までの成績を用いて各学生のGPA（Grade Point Average）を求める。
　（３）次式が最大となるδ_{ij}を求める。ただし、δ_{ij}はi番目の学生の配属先がj番目の研究室の時に1、そうでない時に0をとる。また、bは成績の重みを変えるための係数である。Bを0にすると全ての学生の希望が均等に扱われ成績を全く考慮しない結果となり、大きな値にするほど成績が結果を左右することになる。
　　　　　　Q＝Σ Σ (GPA_i)^{b} x_{ij} δ_{ij}
　（４）決定方法を十分理解した上で点数付けが行えるよう、得られた配属先を張り出し、希望する学生が点数を変更できる機会を２回設けている。


--------

[樋口研究室]
統計的機械学習のアルゴリズムの基本を学び、実問題に適用することで、有効性と適用限界を体得する。これにより、情報デザインと呼ぶ、問題設定能力、PDCAサイクルの循環、ユーザへの知の還元の3要素の基礎を身につけることを目標とする。

科目目的

　ビジネスデータサイエンス学科で習得した知識・技能の総仕上げとして、計画の立案、実施、報告など、研究を進める方法を学ぶ。

到達目標

　卒業論文執筆に向け、必要となる知識、技能の習得と、ディスカッションやゼミ発表などを通じたコミュニケーション能力および論理的思考能力を身に付ける。その上で予備的な実験、分析、関連研究の調査などを通じ指導教員と相談の上、研究テーマ・計画を設定する。

授業計画と内容

［研究テーマの紹介］
　ビジネスデータサイエンス学科の研究室で卒業研究として取り扱っているテーマの主なものを以下に示す。ビジネスデータサイエンス学科の研究室は、大きくビジネス分野、データサイエンス分野、データエンジニアリング分野の３つに分かれているが、異なる分野、異なる研究室の内容も密接な関連を持っている。具体的な内容については「経営システム工学科2023年度卒業論文抄録集」を参照のこと。

--------

[樋口卒研]　＜卒研演習室：主に6909室＞
統計的機械学習のアルゴリズムの基本を学び、実問題に適用することで、有効性と適用限界を体得する。これにより、情報デザインと呼ぶ、問題設定能力、PDCAサイクルの循環、ユーザへの知の還元の3要素の基礎を身につけることを目標とする。実データの選択は自由とする。データコンペやアイデアソンなど、学外の演習タイプのコンペにも積極的に参加することを推奨する。

○テーマ例 （３年以内の主たるものから）
産業ビッグデータ
・日常品のIoTデバイスから得られた撮像データ分析による不良品の同定
・ IoTデバイスから得られた時系列データの分析による故障予知
・葉の撮像データを用いた病害虫被害の分類
・中央大学に設置された電力スマートメータのデータ分析による省エネ策の立案

ファイナンスデータ
・ビットコインなど暗号資産の価格予測
・非構造データを用いたオルタナティブデータの生成とそれを用いた企業価値予測への活用

マーケティングビッグデータ
・清涼飲料水販売ビッグデータからの消費者個人モデルの構築
・ダイエット商品販売のビッグデータ分析による顧客満足度の定量的把握
・バイクシェアの需要予測と最適な再配備法の提案

メディカルデータ
・糖尿病に関するビッグデータにもとづく質問票の効果推定
・レセプト傷病データによる年代別疾患分析
・都道府県クラスター別における食中毒の被害予測
・コロナ感染症データ分析による感染者数などの予測

スポーツおよびエンターテイメントデータ　
・ＪリーグやTリーグの観客動員数の時系列予測及び要因分析
・競馬場への来客数の予測を通じた要因分析と人員配置策の提案
・アンケートビッグデータにもとづく映画館推薦システムの構築

その他
・公開官公庁データ分析による地方活性化策の立案

<具体的な授業計画> 以下の通り。
第１回　イントロダクション、卒業研究Ⅰについて
第２回　研究不正と研究倫理
第３回　個人情報の取り扱い
第４回　データの取得方法
第５回　生成AIの活用法
第６回　研究テーマの選び方
第７回　文献調査の方法
第８回　研究テーマに関してゼミによる発表・討論①
第９回　研究テーマに関してゼミによる発表・討論②
第10回　研究計画書の書き方
第11回　研究指導①
第12回　研究指導②
第13回　研究計画書に対する質疑応答
第14回　卒業研究Ⅱに向けた課題と準備

授業時間外の学修の内容

授業終了後の課題提出／その他

授業時間外の学修の内容（その他の内容等）

　ゼミ等への出席のほか、各自、研究テーマに応じて必要な学習・研究に主体的にとりくむことが必要である。

授業時間外の学修に必要な時間数／週

・卒業論文、または卒業研究の作成等に対して専門分野に関する必要な論文作成、研究指導を行うことを基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

90-100
ゼミにほぼ毎回出席し、調査や発表を質・量共に高水準に⾏っている。ゼミ以外(学科主催の講習会等も含む)にも⾃主的・積極的に研究に取り組んでいる。進捗状況報告書では、⾼い記述⼒や論理⼒を基盤として、課題特定や研究⽅針・計画を⾼い⽔準で記している。全体を通じて卓越した研究活動であり、他の学⽣の模範となり得る。

80-89
ゼミの欠席は限定的であり、調査や発表を指導教授の指⽰以上の⽔準で⾏っている。ゼミ以外にもある程度⾃主的・積極的に研究に取り組んでいるが、他の学⽣の模範となるほどではない。進捗状況報告書では、正しい記述⼒や論理⼒を基盤として、課題特定や研究⽅針・計画について⾃らの考えを整然と述べている。全体を通じて良好な研究活動であり、卓越とはいえないものの、他の学⽣に対してこの程度は⾏ってほしいという基準になり得る。

70-79
ゼミに概ね出席し、調査や発表を指導教授の指⽰と同等かそれ以上の⽔準で⾏っている。ゼミ以外の研究は⾃主性が⾒られるが、指⽰内容を⼤きく超えるものではない。進捗状況報告書では、課題の特定や研究⽅針・計画を正しく述べ、かつ、⾃らの考えを論理的に記している。

60-69
ゼミに概ね出席し、調査や発表を質・量共に指導教授の指⽰を概ね守って⾏っている。また、ゼミ以外の研究も指⽰された程度に⾏っている。進捗状況報告書では、必要最⼩限の課題特定や研究⽅針・計画について通常の記述⼒・論理⼒で記している。全体を通じて、指⽰された範囲を超えない研究活動であり、他の学⽣への開⽰はすべきではない。

0-59
ゼミの⽋席が多く、⽋席理由も判然としない。ゼミでの調査・発表やゼミ以外での研究活動では指導教授の指⽰を守れず、結果として他の学⽣に悪影響を与えかねない。進捗状況報告書では、求められている内容の量と質を満たせず、研究⽅針・計画を⽰すことができていない。全体を通じて低調あるいは誤りが多い研究活動であり、このまま卒業研究2に進んでも、合格する⾒込みが低い。

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける／授業時間に限らず、manabaでフィードバックを行う／その他

課題や試験のフィードバック方法（その他の内容等）

　研究室によっては、連絡用に様々なコミュニケーションプラットホームを活用しており、これらを総合的に活用して、研究指導・情報共有・課題提出・グループ討議・プレゼンテーションなどを行う。
--------
[樋口研究室]
研究室専用のSlack（研究室で負担する有償版）を活用している。参加者は、教室にかかわる教員（教授、助教）、学部学生・大学院生、共同研究者、技術員、秘書らである。
以下、チャンネルの紹介
＃研究室一般連絡：　全員にむけた情報共有を目的とする。学部学生・大学院生向けのイベント案内や大学からの連絡への注意喚起が主である。
＃卒研ゼミ：　卒業研究に関する内容。
また、ダイレクトメッセージにより、教員とのファイルのやりとりや、相談受けつけを行っている。

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／ディスカッション、ディベート／グループワーク／プレゼンテーション／実習、フィールドワーク

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

その他

授業におけるICTの活用方法（その他の内容等）

　研究室によっては、連絡用に様々なコミュニケーションプラットホームを活用しており、これらを総合的に活用して、研究指導・情報共有・課題提出・グループ討議・プレゼンテーションなどを行う。

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

　研究テーマによって異なる。担当教員の指示を仰ぐこと。
--------
[樋口研究室]
参考書：
（１）管　他著「最短突破 データサイエンティスト検定（リテラシーレベル）公式リファレンスブック」（技術評論社、2021, ISBN ‎978-4297122614）
データサイエンティストのビジネスマンとして必須の知識とスキルを大ぐくりにとらえられる。

その他特記事項

参考URL