科目ナンバー

SG-AI5-RC22

履修条件・関連科目等

大学教養レベルの統計学を修得・理解していることを前提とする

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

ビッグデータやデータサイエンスといった言葉が産業界において注目されるようになってから10年以上の期間が経過しているが、未だデータサイエンス人材の質と量は十分ではない。一般に「どのように分析するか」という分析手法およびその実行方法についての知識は既にある程度広く知見が広まっている一方で、「何を分析するか」といったリサーチデザイン、生データから分析用データセットを作成するデータ加工、分析結果をもとにどのようなアクションを考えるかの企画といったスキルがそのボトルネックであるのではないかというのが担当教員の課題意識である。

そのため本科目ではリアルなデモデータを実際に触りながらグループワークを通した仮想的なプロジェクト形式で演習を進める。分析環境としてはGoogle Colaboratoryを用い、その上でデータ加工にあたってはSQLを、分析にあたってはStatsmodelsおよびscikit-learnを使うことを前提として講義を行うが自己責任でPandasやRなどGoogle Colaboratory上で利用可能な他のライブラリおよび言語を用いることも禁止はしない。参加者は初回に有効なGoogleアカウントを共有する必要がある。

科目目的

ビジネスにおけるデータ活用プロジェクトにおいて必要な、リサーチデザイン、データ加工、データ分析、企画書作成などのスキルセットを身につけること

到達目標

与えられた業務課題とデータから教員のSupervisionのもとに自らで具体的な課題解決策の企画を立てられるようになること

授業計画と内容

1.講義と演習：本講義の位置づけとリサーチデザインの考え方
2.講義と演習：説明変数の発想方法
3.講義：データ加工のためのSQL
4.演習：データ加工のためのSQL
5.講義：一般化線形モデルによるデータ分析
6.演習：一般化線形モデルによるデータ分析
7.講義と演習：施策立案
8.中間レビュー
9.講義：予測的分析の考え方と時系列分析
10.演習：予測的分析の考え方と時系列分析
11.講義：正規化によるデータマネジメント
12.演習：正規化によるデータマネジメント
13.発表とフィードバック
14.講義と演習：分析プロジェクトのプロポーザル作成

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）

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

課題や試験のフィードバック方法（その他の内容等）

各回の演習の発表時にフィードバックを行う

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）

クラウドストレージ上に置かれたデモデータをクラウド環境上でSQLやPythonなどのコードを共有・実行しながらデータ加工と分析作業を進める

実務経験のある教員による授業

はい

【実務経験有の場合】実務経験の内容

講義を担当する教員はこれまで数十社以上の企業のデータ活用プロジェクトおよびデータ分析人材の育成に携わってきた

【実務経験有の場合】実務経験に関連する授業内容

上記実務経験を踏まえた上で「データ活用プロジェクトで実際に必要となるスキル」に集中して授業内容を組み立てた

テキスト・参考文献等

テキスト：
講義資料を適宜配布する。

参考文献：
西内啓. データでもっと儲ける方法. 翔泳社, 2019.
西内啓. 統計学が最強の学問である [実践編]. ダイヤモンド社, 2014.
西内啓. 統計学が最強の学問である [ビジネス編]. ダイヤモンド社, 2016.

その他特記事項

参考URL