|
講義概要/Course description
|
本ゼミでは, 「経営学×データサイエンス」をテーマに扱う.
基本的な内容は学生と適宜相談しながら決定するが, 「経営問題を解決できるデータサイエンス手法の習得」を目指し, 3年次は統計学（統計検定2級相当）を, 4年次はPython によるデータ分析手法についてそれぞれ学習を実施する.
また, 6月頃より3年次・4年次ともにマーケティングデータの分析をテーマにする外部コンテストへの参加を通し,
1. どのような研究テーマが存在するのか
2. どのような問題ならばデータ分析で解決できるのか
3. どのようなデータならば入手できるのか
4. どのようなデータ分析手法ならば問題を解決できる結果を得られるのか
5. 問題を解決するためのデータ分析手法を正しく使うにはどうすれば良いのか
6. データ分析結果からどのように問題を解決する施策を立案できるのか
7. 問題設定からデータの取得, データ分析, 施策の立案までの流れをどうすれば正しく関係者に伝えられるのか
など, 問題解決の学問であるデータサイエンスに実践的に取り組み, 新たな価値を創造するプロセスを身につける.
なお, 参加者は私物のPCを持参することが望ましい.
さらに, 内容は進捗に合わせて適宜修正する.
|
|
達成目標/Course objectives
|
データ分析の結果を正しく経営領域の意思決定に活用できるようになる.
具体的には, 分析結果を正しく解釈し, また, 問題解決に必要なデータ分析を自らの力で実施できるようになることを目標とする.
|
|
学部・研究科のディプロマポリシー（卒業認定・学位授与の方針）に基づき、当該科目を履修することで身につく能力 / Abilities to be acquired by completing the course in accordance with the faculty and graduate school diploma policy (graduation certification and degree conferral)
|
|
学部・研究科のディプロマポリシー（卒業認定・学位授与の方針）/ Undergraduate and Graduate Diploma Policy (Graduation Certification and Degree Conferral)
|
|
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
|
|
経営データ分析基礎Iなどを受講していることが望ましい．
|
|
授業計画/Lecture plan
|
|
1
|
| 授業計画/Class |
オリエンテーション【対面授業】 |
|
|
2
|
| 授業計画/Class |
統計学基礎輪講1／ゼロからはじめるデータサイエンス入門1 |
|
|
3
|
| 授業計画/Class |
統計学基礎輪講2／ゼロからはじめるデータサイエンス入門2 |
|
|
4
|
| 授業計画/Class |
統計学基礎輪講3／ゼロからはじめるデータサイエンス入門3 |
|
|
5
|
| 授業計画/Class |
統計学基礎輪講4／ゼロからはじめるデータサイエンス入門4 |
|
|
6
|
| 授業計画/Class |
統計学概論輪読5／ゼロからはじめるデータサイエンス入門5 |
|
|
7
|
| 授業計画/Class |
統計学基礎輪講6／ゼロからはじめるデータサイエンス入門6 |
|
|
8
|
| 授業計画/Class |
統計学基礎輪講7／ゼロからはじめるデータサイエンス入門7 |
|
|
9
|
| 授業計画/Class |
統計学基礎輪講8／ゼロからはじめるデータサイエンス入門8 |
|
|
10
|
| 授業計画/Class |
統計学基礎輪講9／ゼロからはじめるデータサイエンス入門9 |
|
|
11
|
| 授業計画/Class |
統計学基礎輪講10／ゼロからはじめるデータサイエンス入門10＆データ分析コンテスト1 |
|
|
12
|
| 授業計画/Class |
統計学基礎輪講11／ゼロからはじめるデータサイエンス入門11＆データ分析コンテスト 2 |
|
|
13
|
| 授業計画/Class |
統計学基礎輪講12／ゼロからはじめるデータサイエンス入門12＆データ分析コンテスト3 |
|
|
14
|
| 授業計画/Class |
統計学基礎輪講13／ゼロからはじめるデータサイエンス入門13＆データ分析コンテスト4 |
|
|
15
|
| 授業計画/Class |
統計学基礎輪講14／ゼロからはじめるデータサイエンス入門14＆データ分析コンテスト5 |
|
| |
| 事前学習/Preparation |
本講義は受講生による輪読と教員による補足説明によって構成します. ゆえに担当箇所に関わらず次回内容の予習を必ず行ってください.
また, 輪読では教科書のみを読むのではなく, 自ら他の書籍等も調べ, 教科書に書いてある以上に自分で理解を進めるように試行錯誤してください. |
| 事後学習/Reviewing |
講義は前回内容を前提に行うため, 講義内容を毎回復習し理解を深め疑問点などがあった場合には次回講義で確認するようにして下さい. |
|
|
|
授業方法/Method of instruction
|
| 区分/Type of Class |
対面授業 / Classes in-person
|
| 実施形態/Class Method |
ハイブリッド型ハイフレックス形式 / hybrid high flex
補足事項/Supplementary notes※ 本講義は対面授業（通常型）で実施します.
教科書の輪講形式で行い, 発表者は事前に資料を作成すること.
なお, 連絡は適宜 slack で行うため, 確認すること.
|
| 活用される授業方法/Teaching methods used |
|
|
|
成績評価方法/Evaluation
|
| 1 |
平常点 In-class Points
|
100%
|
ゼミで与える課題への取り組み内容やプレゼンテーションで評価する．
|
|
|
教科書/Textbooks
|
| | 著者名
Author | タイトル
Title | 出版社
Publisher | ISBN |
| 1 |
田中豊 他
|
改訂版 日本統計学会公式認定 統計検定2級対応 統計学基礎
|
東京図書
|
9784489022272
|
| 2 |
下山 輝昌 他
|
Python実践データ分析100本ノック
|
秀和システム
|
9784798058757
|
| 3 |
辻 真吾, 矢吹 太朗
|
実践Data Scienceシリーズ ゼロからはじめるデータサイエンス入門 R・Python一挙両得
|
講談社
|
9784065132326
|
|
|
参考書/Reference books
|
| | 著者名
Author | タイトル
Title | 出版社
Publisher | 出版年
Published year | ISBN | |
| 1 |
星野崇宏, 上田雅夫
|
マーケティング・リサーチ入門
|
有斐閣
|
2018
|
9784641221161
|
|
| 2 |
小西 貞則
|
多変量解析入門 -線形から非線形へ-
|
岩波書店
|
2010
|
9784000056533
|
|
|