|
1
|
| 授業計画/Class |
オンライン授業（オンデマンド型）で実施
ガイダンス、Rの基本的な使い方、経営関連データを用いた主成分分析、因子分析
|
| 事前学習/Preparation |
Ｒの使い方について調べる |
| 事後学習/Reviewing |
Rの使い方に関する課題レポート（個人）の作成 |
|
|
2
|
| 授業計画/Class |
経営関連データを用いたクラスター分析、ggplot2によるグラフ作成 |
| 事前学習/Preparation |
クラスター分析について調べる |
| 事後学習/Reviewing |
ggplot2に関する課題レポート（個人）の作成
|
|
|
3
|
| 授業計画/Class |
パイプ演算子・データの集計
|
| 事前学習/Preparation |
パイプ演算子について調べる
|
| 事後学習/Reviewing |
パイプ演算子・データの集計に関する課題レポート（個人）の作成 |
|
|
4
|
| 授業計画/Class |
文字列の検索・APIを用いた経営関連データの取得 |
| 事前学習/Preparation |
文字列の検索・APIを用いたデータの取得 |
| 事後学習/Reviewing |
APIを用いた経営関連データの取得に関する課題レポート（個人）の作成 |
|
|
5
|
| 授業計画/Class |
経営環境・企業評価分析 |
| 事前学習/Preparation |
第1回～第4回の復習 |
| 事後学習/Reviewing |
課題レポート（グループ）の作成 |
|
|
6
|
| 授業計画/Class |
オリエンテーション：新商品企画のポイントと手順 |
| 事前学習/Preparation |
実験の趣旨の理解と飲料の企画についてのイメージ作り |
| 事後学習/Reviewing |
飲料実態調査の分析準備 |
|
|
7
|
| 授業計画/Class |
市場と消費者動向の分析：飲料飲用実態調査の分析、販売データの分析
商品カテゴリーの探索：商品カテゴリーについて、市場、消費者データ分析からの発見、商品カテゴリーの創出
|
| 事前学習/Preparation |
飲料実態調査，販売データの分析準備 |
| 事後学習/Reviewing |
分析結果の考察、データ分析の考察と商品カテゴリーについてのイメージ作り |
|
|
8
|
| 授業計画/Class |
商品アイデアの創出：商品アイデア創出方法について、消費者のWANTアイデアの創出、店頭調査の方法
商品アイデアの具体化：商品コンセプトとは、BENEFITつくり、競合分析
|
| 事前学習/Preparation |
商品アイデアや消費者のWANTについての考察、商品アイデアとWANTの整理、店頭調査の実施 |
| 事後学習/Reviewing |
コンジョイント分析で用いる重点属性の決定 |
|
|
9
|
| 授業計画/Class |
商品アイデアの評価と絞り込み：コンジョイント分析調査について、コンジョイント分析調査実施
商品コンセプトつくり：商品コンセプトとは、商品コンセプトつくり
発表資料の作成：消費者受容性調査用資料の作成、全体発表の準備
|
| 事前学習/Preparation |
商品コンセプト案の検討 |
| 事後学習/Reviewing |
商品コンセプトの発表準備 |
|
|
10
|
| 授業計画/Class |
全体発表会：新商品コンセプト案の提案 |
| 事前学習/Preparation |
全体発表の準備 |
| 事後学習/Reviewing |
他の班の発表の評価と自班の発表の反省 |
|
|
11
|
| 授業計画/Class |
回帰予測における主要な機械学習手法の紹介（1）
|
| 事前学習/Preparation |
重回帰分析 |
| 事後学習/Reviewing |
Rによる重回帰分析，ニューラルネットワークの演習 |
|
|
12
|
| 授業計画/Class |
回帰予測における主要な機械学習手法の紹介（2） |
| 事前学習/Preparation |
重回帰分析，ニューラルネットワーク |
| 事後学習/Reviewing |
RによるRBFネットワーク，サポートベクター回帰の演習 |
|
|
13
|
| 授業計画/Class |
基礎問題へのRを用いた重回帰分析，ニューラルネットワーク，RBFネットワーク，サポートベクター回帰の適用 |
| 事前学習/Preparation |
Rを用いた重回帰分析，ニューラルネットワーク，RBFネットワーク，サポートベクター回帰の演習 |
| 事後学習/Reviewing |
基礎問題における重回帰分析，ニューラルネットワーク，RBFネットワーク，サポートベクター回帰のパラメータチューニング |
|
|
14
|
| 授業計画/Class |
実問題へのRを用いた重回帰分析，ニューラルネットワーク，RBFネットワーク，サポートベクター回帰の適用
|
| 事前学習/Preparation |
基礎問題へのRを用いた重回帰分析，ニューラルネットワーク，RBFネットワーク，サポートベクター回帰の適用 |
| 事後学習/Reviewing |
実問題に対する各手法のパラメータチューニングおよび適用結果に関するプレゼンテーションスライドの作成 |
|
|
15
|
| 授業計画/Class |
実問題への各手法の適用結果のプレゼンテーション＆議論 |
| 事前学習/Preparation |
実問題に対する各手法のパラメータチューニングおよび適用結果に関するプレゼンテーションスライドの作成 |
| 事後学習/Reviewing |
議論のまとめのレポート作成 |
|