|
|
|
See the class schedule of the Professional Graduate School.
経営学研究科 技術経営専攻
Department of Management of Technology, Graduate School of Management
③ [遠隔]ハイフレックス型授業/ [Remote] Hybrid-Flexible format (may include less than 50% classes held on-site)
本科目設置の狙い及び専攻の目的との連関性を踏まえ、データ、情報分析に関する専門的知識・実務等について学ぶとともに課題解決に向けた実践力を身につける。 演習科目「ゼミナール」で課されるグラデュエーションペーパーで用いる統計処理やネットワーク分析について学ぶ。
Based on the aim of establishing this course and its linkage with the objectives of the professional degree course, students will learn specialized knowledge and practices related to data and information analysis and acquire practical skills for solving problems. Students will practice statistical processing and network analysis for the graduation paper assigned to "MOT seminar."
This course is a specialized subject. For its relevance to the diploma policy and curriculum policy of this program, please refer to the Course Guide. The course provides the minimum and practical knowledge and ability to conduct data analysis to prepare a Graduation Paper (GP). For this purpose, students will learn statistics and network analysis through programming in Excel and, if necessary, Python and practice using a Bloomberg terminal in the dealing room.
Students will be able to perform their own statistical analysis in social sciences, economics, etc., design and analyze surveys, network analysis, and analysis in financial engineering, which are necessary to prepare a grad paper. Through this, students will also develop the ability and knowledge to read data and practical problem-solving skills. Students will acquire knowledge related to the educational domains specified in the curriculum policy of this program for this course (refer to the Course Guide).
- 一般的な進め方のイメージ(ゲストスピーカーの回を除く)は下記の通りである。
30分 簡単な授業とイントロ 30分 簡単な練習問題を解く 30分 GPでの分析事例の紹介、分析の際の注意点の説明 30分 GPに応用できるような例題を演習形式で解く 30分 演習の結果を発表しながら、理解を深める - 内容を⼀部変更する場合があり、その場合は事前に授業内で説明する。
- 関連科目：技術経営入門、新規事業戦略、アカウンティング、ファイナンスと企業統治
30 minutes: Brief lecture and intro 30 minutes: Solving simple exercises 30 minutes: Introduction of examples of analysis in GP and explanation of points to keep in mind when analyzing 30 minutes: Solve example problems that can be applied to GP in the form of exercises 30 minutes: Deepen understanding by presenting the results of the exercises The contents of the syllabus may be changed in some cases, which will be explained in class in advance. Related subjects: "Introduction to Technology Management," "New Business Strategy," "Accounting," and "Finance and Corporate Governance."
課題に対する作文 Essay／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
- 各週回に資料がある場合は、1週間程度前に配信する。配信資料を手掛かりにデータ分析や授業での議論のための準備を行うこと
- なお、ゲストスピーカーの資料は事前にアップすることができない場合がある。その際は、その方の経歴・実績や過去の論文、本などを予習の上、授業に臨むこと。
- 準備学習：事前配布資料等に基づく次回授業参加の準備、復習（毎週8時間程度）。
- 毎週回では必要に応じて、授業で行った練習問題、演習に関する復習を行う。またレポートを課し、授業復習に代わる学習と位置づける場合もある。
- If materials are available for each weekly session, they will be made available on LETUS approximately one week in advance.
- Uploading the guest speaker's materials in advance may not be possible. In such cases, please prepare the guest speaker's background, achievements, past papers, books, etc., before coming to class.
- Preparation: Preparation and review for the next class based on the materials distributed in advance (about 7 hours each week).
- Students will review the exercises and exercises done in class each week as needed. In some cases, a report will be assigned to replace the class review.
- 授業への貢献度（授業の概要、目的を踏まえた、議論を発展させる質の良い発言・コメント、質問 等）30％、各週回で行う演習、および最終発表 70％
- 各週回で行う演習、発表のフィードバックは基本的に授業中に取り上げることをもって行う。
- 成績は、科⽬主担当教員が代表して評価する。
・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
作成オリジナル教材
Original teaching material
有 参考図書（下記を参照。他に授業時に必要に応じて指示する） Reference Books
(See below. Additional materials will be assigned as needed during class.) Toshiyuki Matsuura, Introduction to Data Analysis with R, Tokyo Tosho Takashi Sakai, Understanding Questionnaire Surveys and Statistical Analysis, JMAM
【授業形態】理論授業25：ケース授業25：グループディスカッション20：ゲスト20：校外学習0（％） Lecture on theories: Lecture using case studies: Group discussion: Guest: Off-campus learning = 25 : 25 : 20 : 20 : 0 【授業計画】 1. (6/13) イントロダクション（田村） 科目の概要を説明し、簡単なサンプルデータを使ってエクセルべ分析を行う。また、相関と因果の問題についてグループで話し合う。
2. (6/20) 統計分析基礎（1）（田村） 相関分析、ｔ検定、単回帰・重回帰分析、ロジスティック回帰分析等を個人ワークをまじえて学ぶ。 3. (6/27) テキスト分析（田村） AIベンチャーのaiQ社長・山本裕樹さんをゲストに迎え、最先端のテキスト分析・AI分析を学ぶ。 4. (7/4) 統計分析基礎（2）（田村） 因果推論、差の差分析、パネルデータ、因子分析、主成分分析などを演習等を通じて学ぶ。 5. (7/11) ネットワーク分析（田村） ネットワーク分析の紹介、およびネットワーク分析を用いた演習を実施する。講義と演習は野村総合研究所中井亮氏がゲストスピーカーとして担当する。 6. (7/18) 金融データの取得の演習（田村） データ端末を利用し、必要な金融データの取得と統計分析を演習形式で学ぶ。 7. (7/25) 最終レポートのための準備（田村） 最終レポートのアイデアを発表し、議論する。分析内容を修正したのち、準備を始める。 8. (8/1) 演習発表会（田村） グラデュエーションペーパーのテーマとデータ処理についての学生からの発表と質疑応答を行う。 ゲストスピーカーとして、統計情報の特徴や限界に精通されていたり、先進的な統計分析に取り組まれている方などを招聘する予定である。 なおゲストスピーカーの招聘については、変更あるいは招聘しない場合がある。 This course is primarily conducted in a HyFlex format. However, for the exercise sessions (sessions 2, 3, 4, 7, and 8), in-person participation (in the classroom or the dealing room) is generally required. Course Schedule(June 14) Introduction (Tamura)
An overview of the course will be provided. Students will perform basic analysis using sample data in Excel. Group discussions will be held on the distinction between correlation and causation. (June 21) Basics of Statistical Analysis (1) (Tamura)
Students will learn about correlation analysis, t-tests, simple and multiple regression, and logistic regression through lectures and individual exercises. (June 28) Basics of Statistical Analysis (2) (Tamura)
Students will study causal inference, difference-in-differences analysis, panel data, factor analysis, and principal component analysis through hands-on exercises. (July 5) Hands-on Practice Using Bloomberg Terminal (Tamura)
Students will use the Bloomberg Terminal available in the department to acquire and analyze financial data through practice-based learning. (July 12) Network Analysis (Tamura)
An introduction to network analysis followed by exercises using this method. The lecture and workshop will be led by Mr. Ryo Nakai from Nomura Research Institute as a guest speaker. (July 19) Text Analysis (Tamura)
Mr. Yamamoto, CEO of AI venture company AiQ, will be invited as a guest speaker to introduce cutting-edge techniques in text and AI analysis. (July 26) Preparation for Final Report (Tamura)
Students will present and discuss their ideas for the final report. After revising their analytical approach, they will begin preparation for submission. (August 2) Presentation of Final Projects (Tamura)
Students will present their graduation paper topics and data analysis methods, followed by Q&A sessions.
Note: Guest speakers will be invited based on their expertise in statistical data characteristics, limitations, or advanced statistical analysis. Please note that the schedule and participation of guest speakers are subject to change or cancellation.
田村浩道 野村證券、FTSE Russellにてクオンツ分析、AI解析を行った実績を生かし、実務に役立つ定量分析に関する授業、指導を行う。
Hiromichi Tamura Lectures and provides guidance on quantitative analysis for practical use, utilizing his experience in quantitative analysis and AI analysis at Nomura Securities and FTSE Russell.
授業開始後シラバスに変更がある場合（軽微な修正は除く）、直近に開講する授業またはLETUS等でその内容を説明したうえでシラバスの修正を行う。
If there are any changes to the syllabus after the course has started (excluding minor modifications), the revisions will be made after explaining the details in the next available class session or through LETUS.
|
