シラバス参照

開講年度(Academic Year) 2021 
科目コード/科目名
(Course Code / Course Title)
その他/3年次演習1
(Seminar1(3rd year)) 
テーマ/サブタイトル等
(Theme / Subtitle)
データサイエンス(Data Science) 
担当者 (Instructor) 山口 和範(YAMAGUCHI KAZUNORI) 
時間割 (Class Schedule) 春学期 (Spring Semester) 金曜日(Fri) 3時限(Period 3) 7202(Room)
単位 (Credit) 2単位(2 Credits) 
科目ナンバリング
(Course Number)
BUS3010 
使用言語
(Language)
日本語
(Japanese) 
備考 (Notes) コンセントレーション:マーケティング領域 
テキスト用コード (Text Code) BT414 



授業の
目標
Course
Objectives
この演習では,意思決定プロセスにおけるデータの活用方法を学び,その実践能力を身に付けることを目標とする。特に,客観的なデータから正しく結論を得る技術,さらに,その結果を正しく伝えられる技術の習得を目指す。 
The goal of this seminar is to acquire practical skills in the use of data within the decision-making process. In particular, we aim to teach techniques to correctly draw conclusions from empirical data, in addition to techniques to effectively communicate your findings. 
授業の
内容
Course
Contents
2年次演習と同様に,データ分析論の基礎としての,統計学や調査法などの復習を行いながら,種々の実データを用いた分析の実践を行い,データ分析力の向上を目指す。具体的には,問題の洗い出し,仮説の設定,仮説検証のためのデータ収集の計画と実践,データ分析の実行とまとめ,プレゼンテーションという流れの全体や一部の実践を繰り返し体験する。この実践は,グループとしての作業と個人作業として行われる。
3年次演習では,種々の統計モデルの活用や多変量解析の確かな習得が主な目標となる。また,外部でのデータ解析コンペへの出展を行い,大学外からの評価も受ける。
演習の時間は,主に分析結果のプレゼンテーションやディスカッションのために用いるので,演習の時間外での分析の実践などにかなりの時間が必要となることに留意して参加すること。 
As in the second year, while reviewing basic tools for data analysis such as statistics and research methods, students will improve their ability to analyze data by performing analysis on real-world data. Specifically, through repetition, students will get comfortable with the overall presentation workflow of identifying problems, setting hypotheses, planning and carrying out data collection for hypothesis testing, and executing/summarizing data analyses. Students will also gain some practical experience. This seminar will contain group work and work to be done individually.
The main objective of this third year seminar is to use various statistical models and gain a solid understanding of how to apply multivariate analysis. In addition, students will display their skills at data analysis competitions and be evaluated by people outside of the university.
Please keep in mind that class time will mainly be used for presentations and discussion of the analysis results. Research, analysis, etc. will require a significant amount of time outside of the scheduled class hours. 
授業計画
Course
Schedule
1. ガイダンス 
2. ビッグデータの活用:その事例を知る 
3. データベース操作とデータ分析1:大規模データの分析 
4. データベース操作とデータ分析2:大規模データからの統計的推測 
5. プロジェクト課題の説明と課題選択:分析計画の検討 
6. プロジェクト課題への取組方針のプレゼンテーション 
7. プロジェクト課題分析発表1 
8. プロジェクト課題分析発表2 
9. 中間発表と振り返り1 
10. 中間発表と振り返り2 
11. プロジェクト課題分析実習 
12. プロジェクト課題春学期最終プレゼン1 
13. プロジェクト課題春学期最終プレゼン2 
14. まとめ 
授業時間外
(予習・復習
等)の学習
Study
Required
Outside
of Class
指定された資料や書籍について,事前学習をしておくこと。なお,3年次演習から履修する場合は,統計学や社会調査に関する科目の履修を勧める。 
成績評価
方法・基準
Evaluation
種類(Kind) 割合(%) 基準(Criteria)
平常点(In-class Points) 100  %
演習時間内でのプレゼンテーション(40%) 、授業期間内レポート(3回の予定)(30%) 、最終レポート(30%)
テキスト
Textbooks
とくに指定しない
参考文献
Readings
随時紹介する
その他
(HP等)
Others
(e.g. HP)
注意事項
Notice
 


PAGE TOP