日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
ビジネスデザイン研究科/Graduate School of Business AdministrationGraduate School of Business Administration |
| 科目コード等/ Course CodeCourse Code |
VL807/VL807VL807 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 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2/Fall Semester2Fall Semester2 |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
水G5/Wed.G5 Wed.G5 , 水G6/Wed.G6, Wed.G6 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 |
BDS5800 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 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 |
－（履修中止制度なし/ No system 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 |
Learn about applications and examples of data science in research and business. Acquire skills to analyze and make decisions based on quantitative evidence.
In this class, students will learn about data science methods and applications, as well as practice using data analysis tools. The objective is to acquire data analysis skills that can be used in research and business. This class focuses particularly on the analysis of textual data as unstructured data and assumes the use of KH Coder, R and Python as the main analysis tools. However, in order to be accessible to those who are not familiar with statistics or programming, the lecture will explain the essentials of data analysis using examples from research and practice and simple processing in KH Coder, R and Python, avoiding as much as possible the use of formulae or complicated programming. This class will also discuss generative AI, such as ChatGPT, as a new trend in natural language processing.
| 1 | イントロダクション |
| 2 | 非構造化データ分析入門 |
| 3 | KHコーダーによるテキストデータ分析 |
| 4 | KHコーダー実践1 |
| 5 | KHコーダーの研究への応用事例 |
| 6 | KHコーダー実践2 |
| 7 | RMeCabによるテキストデータ分析 |
| 8 | RMeCab実践 |
| 9 | 事前学習モデル：BERTによるテキストデータ分析 |
| 10 | BERTの活用事例 |
| 11 | 事前学習モデル：GPT-3.5、GPT-4（ChatGPT） |
| 12 | ChatGPTの活用事例 |
| 13 | 最終プレゼンテーション |
| 14 | フィードバックと講義のまとめ |
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
授業内で解説した内容をもとに分析の設計およびデータの収集・前処理・可視化・分析を行い、最終プレゼンテーションにて発表する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終プレゼンテーション(40%) 最終レポート(Final Report)(40%) 授業への貢献(20%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特に指定しない。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 必要に応じて適宜紹介する。 |
データ分析等に必要となるためPCを準備すること。なお分析には主にKHコーダー、R、Pythonを用いることを想定している。
構造化データを主に扱うデータサイエンス1もあわせて履修することを推奨する。
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営されます。
データサイエンスを研究やビジネスに活用する方法と実例について学ぶ。また定量的なエビデンスをもとにした意思決定を行うための考え方を習得する。
Learn about applications and examples of data science in research and business. Acquire skills to analyze and make decisions based on quantitative evidence.
本講義では、データサイエンスの手法と活用事例について学ぶとともに、データ分析ツールを用いた実践を行い、研究および修了後の実務に活かせるデータ分析スキルの習得を目指す。本講義では特に非構造化データとしてのテキストデータの分析に焦点を当て、分析ツールとして主にKHコーダー、R、Pythonを使用することを想定している。ただし統計学やプログラミングに馴染みがない場合でも理解しやすいよう、極力数式や複雑なプログラミングを用いず、研究や実務における事例やKHコーダー、R、Pythonでのシンプルな処理をもとにデータ分析の要点を解説する。あわせて、自然言語処理の新潮流としてChatGPTなどのいわゆるGenerative AIについても触れる。
In this class, students will learn about data science methods and applications, as well as practice using data analysis tools. The objective is to acquire data analysis skills that can be used in research and business. This class focuses particularly on the analysis of textual data as unstructured data and assumes the use of KH Coder, R and Python as the main analysis tools. However, in order to be accessible to those who are not familiar with statistics or programming, the lecture will explain the essentials of data analysis using examples from research and practice and simple processing in KH Coder, R and Python, avoiding as much as possible the use of formulae or complicated programming. This class will also discuss generative AI, such as ChatGPT, as a new trend in natural language processing.
| 1 | イントロダクション |
| 2 | 非構造化データ分析入門 |
| 3 | KHコーダーによるテキストデータ分析 |
| 4 | KHコーダー実践1 |
| 5 | KHコーダーの研究への応用事例 |
| 6 | KHコーダー実践2 |
| 7 | RMeCabによるテキストデータ分析 |
| 8 | RMeCab実践 |
| 9 | 事前学習モデル：BERTによるテキストデータ分析 |
| 10 | BERTの活用事例 |
| 11 | 事前学習モデル：GPT-3.5、GPT-4（ChatGPT） |
| 12 | ChatGPTの活用事例 |
| 13 | 最終プレゼンテーション |
| 14 | フィードバックと講義のまとめ |
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
授業内で解説した内容をもとに分析の設計およびデータの収集・前処理・可視化・分析を行い、最終プレゼンテーションにて発表する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終プレゼンテーション(40%) 最終レポート(Final Report)(40%) 授業への貢献(20%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特に指定しない。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 必要に応じて適宜紹介する。 |
データ分析等に必要となるためPCを準備すること。なお分析には主にKHコーダー、R、Pythonを用いることを想定している。
構造化データを主に扱うデータサイエンス1もあわせて履修することを推奨する。
本科目は、5年以上の実務経験を有する実務家教員による授業であり、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営されます。