日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
経営学部/College of BusinessCollege of Business |
| 科目コード等/ Course CodeCourse Code |
BT144/BT144BT144 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
DX概要、データエンジニアリング、AI、DXソリューション |
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
水3/Wed.3 Wed.3 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
BUS3200 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：200人/ Capacity：200） |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
Digital transformation (DX) is progressing all over the world. DX of business transforms current business models, strategies, and organizational structures into new ones, creating a new digital society. This course offers four basic modules, providing a good balance of theoretical and practical knowledge and skills.
This course consists of four basic modules such as introduction to DX, data engineering, DX implementation and data science. Introduction to DX includes big data, and strategic decision making, data engineering includes database management systems, data lakes, and business intelligence tools, DX implementation includes DX case studies, and data science includes AI basics.
| 1 | イントロダクション DX概要(トレンドの基本理解) |
| 2 | DX概要(アルゴリズム、ビジネス実装) |
| 3 | DX概要(ゲスト講師によるレクチャー) |
| 4 | データ活用基盤(情報と意思決定Ⅰ) |
| 5 | データ活用基盤(情報と意思決定Ⅱ) |
| 6 | データ活用基盤(データベース) |
| 7 | DXソリューション(ゲスト講師によるレクチャー) |
| 8 | DXソリューション(プロジェクトマネジメント) |
| 9 | DXソリューション(ビジネス実装：組織と人材) |
| 10 | 受講生によるDX事例発表 |
| 11 | AI基礎(概論、機械学習) |
| 12 | AI基礎(深層学習、自然言語処理) |
| 13 | AI基礎(AIとビジネス) |
| 14 | 全体まとめとテスト |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
| 補足事項 (Supplementary Items) |
|---|
| パソコンを使った実習やデモを行います。 |
授業時間外の学習に関する指示は、履修登録完了後に「Canvas LMS」上で履修者に対して行います。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終テスト(Final Test)(40%) 中間報告(事例調査)(20%) その他（参加状況、リアクションペーパーなど）(40%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 固定したテキストは用いません。 |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 斎藤康毅 | 『ゼロから作るDeep Learning』 | O'Reilly | 2016 | 9784873117584 |
| 2 | 斎藤康毅 | 『ゼロから作るDeep Learning 自然言語処理編』 | O'Reilly | 2018 | 9784873118369 |
| 3 | 増永良文 | 『リレーショナルデータベース入門［第３版］』 | サイエンス社 | 2017 | 9784781913902 |
| 4 | 宮川公男 | 『基本統計学［第５版］』 | 有斐閣 | 2021 | 9784641165960 |
| その他 (Others) | |||||
| 講義では、上記書籍の一部を参照します。それ以外については、講義内で適宜紹介します。 | |||||
先修規定は設けませんが、高校で学習する数学関連の内容が随所に出てきますので、それに対する理解力が求められます。
パソコン
世界各国で、デジタルトランフォーメーション(DX)が進展している。企業におけるDXは業務オペレーションのデジタル化にとどまらず、ビジネスモデル、事業、組織を新しい視点で見直し、最終的に新しい社会へトランスフォームすることを目指している。それを実現する人材にはビジネス、データサイエンス、データエンジニアリングに関する知識とスキルが必要とされている。この講義では、ビジネス界のニーズに照らして、経営学を学ぶ学生が大学生のうちに身につけておくべきと考える基礎知識をバランスよく修得することを目標にする。
Digital transformation (DX) is progressing all over the world. DX of business transforms current business models, strategies, and organizational structures into new ones, creating a new digital society. This course offers four basic modules, providing a good balance of theoretical and practical knowledge and skills.
本講義は、次の4つのモジュールから構成される：(1)DX概要、(2)データ活用基盤(データエンジニアリング関連）、(3)DXソリューション(ビジネスへの適用)、(4)AI基礎(データサイエンス関連)。AIについては、未知であることを前提に深層学習までの理解を目指す。具体的な進め方は、以下の通りである。
・それぞれの内容に応じて、Pythonの実習やデモなどを交えながら進めていく。
・複数回ゲスト講師からレクチャーをしていただく予定である(ゲスト講師の講義可能日の都合で講義順番が前後することがある)。
・中間レポートして受講生にはDXの事例を調査するワークを課し、優れた事例研究についてプレゼンしてもらう。
This course consists of four basic modules such as introduction to DX, data engineering, DX implementation and data science. Introduction to DX includes big data, and strategic decision making, data engineering includes database management systems, data lakes, and business intelligence tools, DX implementation includes DX case studies, and data science includes AI basics.
| 1 | イントロダクション DX概要(トレンドの基本理解) |
| 2 | DX概要(アルゴリズム、ビジネス実装) |
| 3 | DX概要(ゲスト講師によるレクチャー) |
| 4 | データ活用基盤(情報と意思決定Ⅰ) |
| 5 | データ活用基盤(情報と意思決定Ⅱ) |
| 6 | データ活用基盤(データベース) |
| 7 | DXソリューション(ゲスト講師によるレクチャー) |
| 8 | DXソリューション(プロジェクトマネジメント) |
| 9 | DXソリューション(ビジネス実装：組織と人材) |
| 10 | 受講生によるDX事例発表 |
| 11 | AI基礎(概論、機械学習) |
| 12 | AI基礎(深層学習、自然言語処理) |
| 13 | AI基礎(AIとビジネス) |
| 14 | 全体まとめとテスト |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
| 補足事項 (Supplementary Items) |
|---|
| パソコンを使った実習やデモを行います。 |
授業時間外の学習に関する指示は、履修登録完了後に「Canvas LMS」上で履修者に対して行います。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終テスト(Final Test)(40%) 中間報告(事例調査)(20%) その他（参加状況、リアクションペーパーなど）(40%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 固定したテキストは用いません。 |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 斎藤康毅 | 『ゼロから作るDeep Learning』 | O'Reilly | 2016 | 9784873117584 |
| 2 | 斎藤康毅 | 『ゼロから作るDeep Learning 自然言語処理編』 | O'Reilly | 2018 | 9784873118369 |
| 3 | 増永良文 | 『リレーショナルデータベース入門［第３版］』 | サイエンス社 | 2017 | 9784781913902 |
| 4 | 宮川公男 | 『基本統計学［第５版］』 | 有斐閣 | 2021 | 9784641165960 |
| その他 (Others) | |||||
| 講義では、上記書籍の一部を参照します。それ以外については、講義内で適宜紹介します。 | |||||
先修規定は設けませんが、高校で学習する数学関連の内容が随所に出てきますので、それに対する理解力が求められます。
パソコン