| 区分 |
必修 |
講義／演習 |
| 開催時期 |
2年次 |
後期 |
| 講義・演習駒数／週 |
1駒 |
| 実習・実験駒数／週 |
0駒 |
| 合計駒数／週 |
1駒 |
| 総時間数 |
30時間 |
| 総単位数 |
2単位 |
| 企業連携 |
有 |
| 授業の目的 |
企業活動で蓄積された各種データをどのようにビジネスに活用するか、その手法の基礎について学習することを目的とする。 |
| 到達目標 |
各種データをビジネスに活用する手法の基礎について理解し、活用出来るようになることを目的とする。 |
| 評価項目 |
①定期テスト |
②小テスト |
③レポート |
④課題 |
⑤作品 |
⑥ﾎﾟｰﾄﾌｫﾘｵ |
⑦成果発表 |
⑧その他 |
| 割合 |
70% |
% |
% |
20% |
% |
% |
% |
10% |
| 評価基準 |
各章で取り上げる各種手法について、理解していること。
課題を提出していること。 |
※上記に示した評価項目の割合（％）を基準に、総合評価点を算出して成績評価を行う。
※出席率が80％未満の場合は、評価対象としない。
| 担当教員 |
石井 元 |
| テキスト・参考文献 |
データサイエンス大全（ソシム） |
| 実務経験有無 |
有 |
| 外資系大手ITコンサルティング会社でコンサルタント、通信・ソフトウエア会社でマーケティング部長やデジタルメディア部長をしたのち、これらの経験を活かし、データサイエンスの状況を企業での事例をまじえ実践的な教育を行なう。
|
| 関連科目 |
データサイエンス基礎Ⅰ マーケティング基礎Ⅰ・Ⅱ ビジネスプランニングⅠ・Ⅱ デジタルマーケティングⅠ・Ⅱ ビジネスプロデュース 他 |
履修前提 |
データサイエンスI |
授業計画 |
| 回数 |
学習目標 |
学習項目 |
| 1 |
これまでの学習内容を振り返り、理解を深めることが出来る。
統計学とは何かを理解する。 |
ガイダンス（授業概要、目的、評価方法等）
これまでの学習内容の振り返り
統計学の知識 |
| 【理解度確認】講師質問で確認する。 |
| 2 |
起こりやすさを数値で表すことを理解する。 |
統計学の知識 |
| 【理解度確認】講師質問で確認する。 |
| 3 |
データ分布について理解する。 |
統計学の知識 |
| 【理解度確認】講師質問で確認する。 |
| 4 |
統計的に検証することを理解する。 |
統計学の知識 |
| 【理解度確認】講師質問で確認する。 |
| 5 |
平均や分散を検定する方法を理解する。 |
統計学の知識 |
| 【理解度確認】講師質問で確認する。 |
| 6 |
AIにおいてデータの意味づけを理解する。 |
AIの知識 |
| 【理解度確認】講師質問で確認する。 |
| 7 |
大量のデータから学習することの意味を理解する。 |
AIの知識 |
| 【理解度確認】講師質問で確認する。 |
| 8 |
モデル構築ほかを理解する。 |
モデル構築から現場への導入 |
| 【理解度確認】章末問題により確認する。 |
| 9 |
モデル構築他を理解する。 |
モデル構築から現場への導入 |
| 【理解度確認】講師質問で確認する |
| 10 |
モデル構築他を理解する。 |
モデル構築から現場への導入 |
| 【理解度確認】章末問題により確認する。 |
| 11 |
モデル評価他を理解する。 |
モデル構築から現場への導入 |
| 【理解度確認】講師質問で確認する |
| 12 |
モデル評価他を理解する。 |
機械学習モデル |
| 【理解度確認】講師質問で確認する 。 |
| 13 |
モデル評価他を理解する。 |
機械学習モデル |
| 【理解度確認】講師質問で確認する。 |
| 14 |
モデル評価他を理解する。 |
機械学習モデル |
| 【理解度確認】講師質問で確認する。 |
| 15 |
これまでの内容を振り返り、各章の理解を深めることが出来るようになる。 |
振り返り・まとめ・練習問題 |
| 【理解度確認】練習問題を提出する |
