ビッグデータ解析（１組）

科目名称/Course title(Japanese)

ビッグデータ解析（１組）

科目番号/Course number

87MCDAA301

科目名称（英語）/Course title(English)

Big Data Analysis

授業名称/Class name

ビッグデータ解析（１組）

教員名

安藤　晋

Instructor

Shin Ando

開講年度学期

2022年度前期

Year/Semester

2022 Spring Semester

曜日時限

金曜1限

Class hours

Fri 1st Period

開講学科/Department

経営学部ビジネスエコノミクス学科　

外国語のみの科目（使用言語）/Course in only foreign languages (languages)

-

単位/Course credit

2.0単位

授業の主な実施形態/Main class format

オンライン授業（同期）/Online (synchronized remote)

概要/Description

近年，社会・経営の様々な問題解決や意思決定において，計算機を用いたデータの分析や判断基準の形成が重要な役割を担っている．分析にはデータ・情報から知識を獲得する手段であるデータマイニングや機械学習の技術が多く利用されている．本講義ではプログラミングおよびツールを利用し，それらの技術を利用するための技法を学ぶ．　　

目的/Objectives

本講義では当学科のディプロマ・ポリシーに定める「グローバル化や地球環境問題など広範かつ多様なビジネス環境で発生している諸々の問題に対して自然科学及び社会科学の知識を活用して解明する」という方針を踏まえ，ビッグデータ解析に関する知識・技能の習得に努める．

到達目標/Outcomes

データマイニング・機械学習の基礎を踏まえ，それらの手法を利用するために必要なプログラミング技法やツールに関する知識を習得する

履修上の注意/Course notes prerequisites

線型代数・微積分・統計を習得している事を前提とする．
プログラミング論１または2でPython によるプログラミング手法を習得していることを前提とする．

LETUSで講義に関する連絡を確認すること
毎回講義に出席し，課題を提出すること

講義には必ず各自のノートパソコンを持参し，必要に応じて充電機器も用意すること．
大学が配布するログインアカウントおよびパスワードを用意し，
ノートパソコンで学内でインターネットを使用できるよう設定しておくこと．

また，授業では開発環境として (1) Anaconda または (2) Google Colaboratory を使用する．
(1)の場合は
https://www.anaconda.com/distribution/#download-section
から Python 3.7 version のダウンロードおよびインストール
(2)の場合は
Googleアカウントの取得
を初回の講義までに済ませておくこと　

就職活動・病気等の理由で欠席した場合，確認書類の提出を求める．

アクティブ・ラーニング科目/Teaching type（Active Learning）

課題に対する作文/Essay

-

小テストの実施/Quiz type test

機械学習手法に関する知識について小テストを実施する

ディベート・ディスカッション/Debate,Discussion

-

グループワーク/Group work

Python プログラミング課題をグループで取り組む　

プレゼンテーション/Presentation

-

反転授業/Flipped classroom

-

その他（自由記述）/Other（Describe）

-

準備学習・復習/Preparation and review

講義の内容を復習して習得し，理解を深めること．習得度合いを計るため授業外で取組む課題を与える．それぞれにかける時間はそれぞれ2時間程度を目安とする　　

成績評価方法/Performance grading policy

平常課題・レポート課題（プログラム作成とレポート）に基づいて評価する．
それぞれの重みは30%，70%　である．　
平常課題の評定はLETUSで公開する
レポート課題の評定はLETUSで公開する

学修成果の評価/Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書/Textbooks,Readings

教科書の使用有無(有=Y , 無=N)/Textbook used(Y for yes, N for no)

N

MyKiTSのURL(教科書販売サイト)/URL for MyKiTS(textbook sales site)

・教科書を使用する場合は、MyKiTS(教科書販売サイト)から検索・購入可能ですので以下のURLにアクセスしてください。
https://gomykits.kinokuniya.co.jp/tokyorika/
　
・Search and purchase the necessary textbooks from MyKiTS (textbook sales site) with the link below.
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料/Reference and other materials

参考書・その他資料の使用有無 (有=Y,無=N)

Y

「はじめてのパターン認識」平井有三（森北出版）
「機械学習 - 東京大学工学教程情報工学」中川裕志 (丸善出版)
「Ｐｙｔｈｏｎではじめる機械学習」アンドレアス・Ｃ．ミュラー(オライリー・ジャパン)
「データサイエンティスト育成講座」中山浩太郎（監）（マイナビ出版）

授業計画/Class plan

1．　プログラミング環境とライブラリ
2．　データの可視化と記述統計
3-4．　線形回帰と変数選択
5-6. 変数の合成と次元縮退
7-8．　判別モデル　
9-10．モデル評価と選択
11. ディープラーニング
12-15. 演習課題

教職課程/Teacher-training course

実務経験/Practical experience

-

教育用ソフトウェア/Educational software

Python

備考/Remarks

オフィスアワー：金曜12:10-12:40　

授業コード

9987F31

シラバス情報