ゼミナールB （趙研）

Seminar B

9986U31

86UGRES302

趙　宇

Yu Zhao

2026年度後期

2026年度

②Second semester

水曜2限

Wednesday 2nd period

経営学部　経営学科　Department of Management, School of Management

2.00単位

演習 Seminar

-

① [対面]対面授業/ [On-site] On-site class

デジタル技術とデータを活用した業務変革（DX：デジタルトランスフォーメーション）の取り組みが盛んとなっており、統計的手法や機械学習などのデータ分析技術はDXを構成する非常に重要な要素となっている。現代で広く用いられるデータ分析技術の中心には、分析アルゴリズムやモデリング手法がある。しかし、実務の現場では、むしろデータの前処理の重要性に直面する。その方法は分析目標とデータ形式によって異なり、そこからどのように特徴量を作り出すかで、統計的機械学習の成否が左右される。
一方で、データ分析技術に実務に適用できるレベルまで習熟するためには、学習・推論をコンピュータ上で実行するためのプログラミング、回帰や分類など機械学習を構成する理論や統計的方法論、データや解決したい問題の特性に応じた手法の選択とチューニング技法、適用する業界や専門領域での実例まで広く学ぶ必要がある。
そこで、ゼミナールAでは、統計的機械学習における前処理のテクニック、学習・推論に必要な統計学の基礎を学び、ゼミナールBでは統計的機械学習の手法を実データ分析に応用した研究論文の読解、卒業論文の執筆方法やプレゼンテーションの技法を学ぶ。
本ゼミナールで習得した技法を駆使し、各自の卒業論文のテーマの発見と卒業論文の作成を目指す。

本学科のディプロマ・ポリシーに定める「経営学研究に必要な基礎学力を修得すると共に、マーケティングの分野に設定された専門領域科目を包括的に学び、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る」を実現する。
そこで、本ゼミナールでは、卒業研究に必要なデータ分析技術とプレゼンテーション技法を習得することを目的とする。
本ゼミナールは、本学「専門教育の目標」のうち「専門知識を活用し、課題を論理的・批判的に考える能力」および「新たな課題を発⾒し、他者と協働して主体的に解決に取り組み、専⾨分野の壁を越えて共創できる能⼒」の育成と密接に関連している。

・自分自身で課題を見つけ出し、問題解決に向けた仮説を立てることができる。
・データや解決したい問題の特性に応じて、適切な前処理を施し、データを分析し結果を考察することができる。
・プレゼンテーションを通じて、自分の考えを他の人々と共有することができる。

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/​​​

本科目は学生の主体的な参加によって成立するため、積極的な発言、勤勉な参加態度が求められる。

ディベート・ディスカッション　Debate/Discussion／グループワーク　Group work／プレゼンテーション　Presentation

-

単位の認定にあたっては、2単位あたり90時間の学修(各回の授業時間を2時間とする)が必要であると定められている。従って、授業時間以外の準備学習・復習で毎週4時間程度の学習が必要となる。
・準備学習(2時間程度)：理解が難しい箇所を把握しておくこと。予習課題がある場合には、行っておくこと。
・復習(2時間程度)：前回の授業内容の教科書の範囲を復習し、授業時に理解できなかった箇所を必ず習得しておくこと。演習課題がある場合には、しっかり行い、提出すること。

プレゼンテーション、ゼミ中での質疑討論、内容の理解度等により総合的に評価する。
欠席・遅刻を繰り返す場合は、D評価（不可）とするので注意すること。
4回以上の欠席は単位修得意志がないものとみなし、履修放棄（-）とする。

・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/

必要に応じて随時紹介する。

第1回 ガイダンス
第2回　統計的機械学習理論:概論
第3回　統計的機械学習理論: 分類１
第4回　統計的機械学習理論: 分類２
第5回　統計的機械学習理論: 分類３
第6回　統計的機械学習理論: 分類４
第7回　統計的機械学習理論: 回帰１
第8回　統計的機械学習理論: 回帰２
第9回　統計的機械学習理論: 回帰３
第10回　統計的機械学習理論: 回帰４
第11回　統計的機械学習理論: 発展的話題１
第12回　統計的機械学習理論: 発展的話題２
第13回〜第14回　ケーススタディ
第15回　総括

-

-

R, Pythonなど

・質問は授業時間前後に受け付ける。他の時間帯に質問がある場合は、下記に連絡してください。
趙：yu.zhao@rs.tus.ac.jp

Y

N