講義概要/Course description
|
本講義では, データに基づく意思決定プロセスにおける「データ分析結果を正しく解釈すること」を重点的に扱う. 近年のデータサイエンスの社会への定着やAI技術の発展に伴い, ビジネス現場の多くでデータ分析を活用することが多くなり, またそれを強く求められるようにもなってきた. しかしながら, 初歩的なデータ分析手法であっても誤った使い方や誤った解釈をしている事例が数多くあり, また, 深層学習などに代表されるブラックボックスな機械学習手法を正しく理解して活用することはとてもハードルが高い. これに対し本講義では, 統計的意思決定論Iに続き, 統計的因果推論や種々の機械学習手法など, 現代社会の意思決定の多くの場面で使われ, かつ様々なデータ分析手法の基礎となる手法について, そのコンセプトから学習し, 誤った利用・誤った解釈をしなための専門知識の習得を行う. なお, 講義内容については講義の進捗に合わせて適宜変更する.
|
達成目標/Course objectives
|
データに内在する不確実性を理解した上で, 現象の因果関係を解き明かす統計的因果推論や, 現象の予測に使われる様々な機械学習手法について, 基本的なコンセプトと正しい使い方を理解する.
|
履修条件(事前に履修しておくことが望ましい科目など)/Prerequisite
|
経営データ分析のための基礎解析入門I・II, 経営データ分析のための線形代数I・II, エビデンスベースドマネジメント基礎を履修した上での履修が望ましい. また, 統計的意思決定論I を受講していることを前提に講義を実施する. なお, 本講義は2019年度以降入学の経営学部経営学科生のみ履修可能である.
|
授業計画/Lecture plan
|
1
|
授業計画/Class |
ガイダンス(オンデマンド型オンライン講義) |
事前学習/Preparation |
必ずシラバスに目を通してからガイダンスに参加すること. |
事後学習/Reviewing |
必要な授業環境を構築する. |
|
2
|
授業計画/Class |
統計的因果推論1(ランダム化比較実験と平均因果効果) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
3
|
授業計画/Class |
統計的因果推論2(傾向スコアマッチング) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
4
|
授業計画/Class |
統計的因果推論3(逆確率重みつけ法) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
5
|
授業計画/Class |
統計的因果推論4(構造モデルに基づく統計的因果推論) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
6
|
授業計画/Class |
スパースモデリング1(elastic net) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
7
|
授業計画/Class |
スパースモデリング2(スパースロジスティック回帰モデリング) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
8
|
授業計画/Class |
中間試験 |
事前学習/Preparation |
ここまでの講義内容を復習し, 知識を整理する. |
事後学習/Reviewing |
出題された問題を改めて解き直し, 講義内容の理解を深める. |
|
9
|
授業計画/Class |
決定木・ランダムフォレスト1(決定木・ランダムフォレストによる分類) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
10
|
授業計画/Class |
決定木・ランダムフォレスト2(決定木・ランダムフォレストによる回帰) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
11
|
授業計画/Class |
ブースティング |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
12
|
授業計画/Class |
ニューラルネットワーク |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
13
|
授業計画/Class |
次元圧縮(主成分分析・NMF・主成分回帰) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
14
|
授業計画/Class |
クラスタリング(階層的クラスタリング, 非階層的クラスタリング) |
事前学習/Preparation |
講義資料を確認し, 予習しておく. |
事後学習/Reviewing |
授業内容を復習する. |
|
15
|
授業計画/Class |
期末試験 |
事前学習/Preparation |
これまでの講義内容を復習する. |
事後学習/Reviewing |
出題された問題を改めて解き直し, 講義内容の理解を深める. |
|
|
授業方法/Method of instruction
|
本講義は対面講義(初回のみオンデマンド型)で実施します。 |
成績評価方法/Evaluation
|
1 |
試験 Exam
|
100%
|
中間試験(レポート形式)と期末試験(レポート形式)を40:60の割合で評価します.
|
|
参考書/Reference books
|
| 著者名 Author | タイトル Title | 出版社 Publisher | ISBN | |
1 |
松井 秀俊, 小泉 和之
|
統計モデルと推測 (データサイエンス入門シリーズ)
|
講談社
|
9784065178027
|
|
2 |
Sebastian Raschka
|
[第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践
|
インプレス
|
9784295010074
|
|
|