ゼミナール２ （下川研）

Seminar 2 （下川研）

9987H03

87UGRES302

下川　哲矢

Tetsuya Shimokawa

2025年度後期

2025年度

②Second semester

水曜3限

Wednesday 3rd period

経営学部　ビジネスエコノミクス学科

Department of Business Economics, School of Management

2.0単位

演習

Seminar

-

① [対面]対面授業/ [On-site] On-site class

このゼミナールでは、これまで学んだ統計手法や機械学習の技術を人の意思決定分析に活かし、数人のグループごとに生体情報を用いた実験およびシステム開発を行う。
演習科目であるので、自らテーマを設定し、これまで学んだ知識を活かして解決することを重視する。

この科目は、カリキュラムポリシーの7に規定される「「専門科目」では、講義の他に、多くの実習、演習等の授業科目を重点的かつ効果的に組み合わせることで専門知識を深化させ、併せて他の授業科目との関連や学問探求の方法を学び、問題発見・解決能力の育成を図る」ことに従い、ディプロマポリシーの2に規定される「経営学及び全般の知識を修得すると共に、各学科で設定された専門科目群を包括的に学び、自ら設定したテーマに関して、専門知識を以って研究を完成できる能力を身に付けている」を達成することを主たる目標とする。

到達目標：基礎的な分析手法を習得し、それを用いて自らの考えを説得的に提示できるようになる。
就職活動や社会において必要とされる「自ら考え、分析し、提案する力」をつけるとともに、次年度の卒業研究への準備を行うことが目標になる。

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

課題に対する作文　Essay／グループワーク　Group work／実験　Experiments

-

[準備学習]　前回の講義資料，参考文献，ノートを見直してくる（2時間程度）
[復習]　講義資料や参考文献を精読し復習することによって、不明な点を残さないこと（2時間程度）
準備学習と復習を併せて毎週4時間の自習が必要です

ゼミへの貢献度による(100%)
出席不足および授業態度　欠格事項

・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

N

-

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。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

機械学習スタートアップシリーズ ベイズ推論による機械学習入門
須山 敦志 (著)　講談社 2017

不確実性下の意思決定理論、イツァーク ギルボア (著)、勁草書房 2014
および随時指示する原著論文

前期
参加する学生と相談し、以下のPlan AかPlan Bを行う。

Plan A
自ら課題を設定し、解決、説明する力を身につけるために、数人のグループで学外コンペ（日銀グランプリ）へ参加する。
１調査(Session 1-3)
２アイデアの創出(Session 4-6)
３データ収集分析(Session 7-10)
４レポート作成(Session 11-13)
５プレゼンテーション(Session 14-15)

Plan B
今後必要になる機械学習の基礎を身につけるためにベイズ統計の基礎を学習する。
1 イントロダクション ベイズ推定概観 (Session 1) 　
2 機械学習とベイズ学習 (Session 2-3)
3 基本的な確率分布 (Session 4-6)
4 ベイズ推論による学習と予測 (Session 7-10)
5 混合モデルと近似推論 (Session 11-12)
6 応用モデルの構築と推論 (Session 13-15)


後期
数人のグループごとに生体情報を用いた意思決定実験およびシステム開発
これまで学んだ統計手法や機械学習の技術を人の意思決定分析に活かす。
1 意思決定論の基礎知識、応用システム例 (Session 1) 　
2 脳情報と視線情報を収集する機材の使用方法および実習 (Session 2-3)
3 研究テーマ決定 (Session 4-6)
4 実験実施 (Session 7-10)
5 データ分析およびシステム開発 (Session 11-15)

すべての履修学⽣に対して、半数以上の授業回を対⾯で受講 することを求める．

-

MATLAB/Simulink

Python, R

N

N