ビッグデータ解析（２組）

科目授業名称（和文）　Name of the subject/class (in Japanese)

ビッグデータ解析（２組）

科目授業名称（英文）　Name of the subject/class (in English)

Big Data Analysis （２組）

授業コード　Class code

9987F32

科目番号　Course number

87MCDAA301

教員名

安藤　晋

Instructor

Shin Ando

開講年度学期

2023年度後期

Year/Semester

2023 Fall Semester

曜日時限

金曜2限

Class hours

Fri 2nd Period

開講学科・専攻　Department

経営学部　ビジネスエコノミクス学科

Department of Business Economics, School of Management

単位数　Course credit

2.0単位

授業の方法　Teaching method

講義

Lecture

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

-

授業の主な実施形態　Main class format

ハイフレックス型授業/Hybrid-flexible

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

卒業認定・学位授与の方針との関係（学部科目のみ）

専門学力（問題発見・解決力）/専門学力（知識）

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の講義で扱うPython言語プログラミング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．

授業では標準の開発環境として Google Colaboratory を使用する．
このために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．
その他の開発環境を利用する場合は，各自の責任において初回の講義までに整備すること．
講義内ではColaboratory以外の開発環境に関するトラブルシューティングは行わない．

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．

この講義は受入上限人数が設定されているため，抽選が行われる可能性がある．
また経営学部以外の履修希望者は事前に担当教員に許可を得る必要がある．
抽選および教員の許可については経営学部事務にて確認すること．

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

小テストの実施　Quiz type test／グループワーク　Group work／実習　Practical learning

-

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40%，60%　である．
ただし、平常課題を全く提出しなかった場合には履修放棄とみなす．
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

書誌情報　Bibliographic information

-

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

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

「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
7-9．　判別モデル　
10-11．モデル評価と選択
12-15. 演習課題

授業担当者の実務経験　Work experience of the instructor of the class

-

教育用ソフトウェア　Educational software

-

Python

備考　Remarks

オフィスアワー：月曜12:10-12:40

シラバス情報