シラバス
| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科など | 担当教員 | 教員カナ氏名 | 配当年次 | 単位数 |
|---|---|---|---|---|---|---|---|---|
| データサイエンス特論 | 2024 | 前期 | 月1 | 理工学研究科博士課程後期課程 | 磯村 和人、大草 孝介、加藤 俊一、後藤 順哉、庄司 裕子、中條 武志、長塚 豪己、生田目 崇、難波 | イソムラ カズヒト 、オオクサ コウスケ、カトウ トシカズ、ゴトウ ジュンヤ、ショウジ ヒロコ、ナカジョウ タケシ 他 | 1年次配当 | 2 |
科目ナンバー
SG-AI6-7A01
履修条件・関連科目等
特になし。
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
従来のビジネスでは、企業が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、あらゆる分野において、データの利活用が結果を変える時代が到来している。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。本講義は、受講者が本分野の概略を掴み、今後の研究を遂行する上で必要な情報を取得することを目的としている。
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
データサイエンス分野の概要を理解し、自分の研究計画を立てることができるようになる。
授業計画と内容
1. オリエンテーション (難波)
2. 様々な分野における人間信頼性工学と品質マネジメントの応用 (中條)
3. センシングデータ解析 (大草)
4. マーケティングサイエンスのためのモデリング(生田目)
5. 地理情報のデータサイエンス (馬塲)
6. モデリングと生成的深層学習 (樋口)
7. 確率論と金融・保険の数理 (藤田)
8. ロバスト最適化モデリング (後藤)
9. ソフトコンピューティングとその統計への応用 (渡辺)
10. ヒューマンメディア工学・感性工学 (加藤)
11. 思考プロセスと価値観のモデル化 (庄司)
12. 組織とマネジメントの基本原理 (磯村)
13. 統計学の理論と応用 (長塚)
14. データサイエンス分野の研究紹介 (難波, 大野, 福田, 牧草)
（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
| 種別 | 割合（％） | 評価基準 |
|---|---|---|
| レポート | 80 | 提出物の質により評価する。 |
| 平常点 | 20 | 授業への参加・貢献度の状況により評価する。 |
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）
アクティブ・ラーニングの実施内容
ディスカッション、ディベート／プレゼンテーション
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、manaba等で資料を配付する。
----
第6回担当（樋口）
参考書
深層学習からマルチモーダル情報処理へ 第2章、4章 （中山、二反田、田村、井上、牛久 共著）、サイエンス社、2022, ISBN978-4-7819-1554-8