演習Ⅱ

授業概要とねらい

本演習は，文理融合の視点から，企業経営に必要な基本知識・技術を学ぶ。具体的には，データマイニングを中心として，統計解析や人工知能などの基本手法を学習するほか，これらの手法を企業の経営活動に活用するための企業経営知識，マーケティング手法を理解してもらう。しっかりした理工基礎を身につけ，また管理職に必要な経営センスをもち，多種な企業に就職できる理魂文才型の人材育成を目指す。

単位認定基準

SPSSなどのパッケージソフトおよびPythonの機械学習関連ライブラリの使い方を習得する。
統計解析・機械学習の考え方と応用方法を理解する。
統計解析・機械学習手法を理解し，実例問題へ応用する能力を身につける。

授業計画

判別分析の基本
判別分析の応用
判別分析の事例研究
プレゼンテーションとレポート(1)：判別分析
決定木分析手法の基本
決定木分析手法の応用
決定木分析手法の事例研究
プレゼンテーションとレポート(2)：決定木分析手法
ニューラルネットワークの基本
ニューラルネットワークと機械学習
ニューラルネットワークと機械学習の事例研究
プレゼンテーションとレポート(3):ニューラルネットワーク
ディープラーニングの基本手法
ディープラーニングの応用事例
プレゼンテーションとレポート(4):ディープラーニング

教材・教科書

授業の進行に合わせて指示する。また，必要なときプリントを配布する。

参考図書

上田和明，等著：「Excelで学ぶデータマイニング入門」，オーム社 , 2005（大学図書館所蔵）．
井尻善久，ほか訳：「統計的学習の基礎 : データマイニング・推論・予測」，共立出版，2014（大学図書館所蔵）。
橋本洋志, 牧野浩二共著：「データサイエンス教本 : Pythonで学ぶ統計分析・パターン認識・深層学習・信号処理・時系列データ分析」，オーム社，2018（大学図書館所蔵）。

授業以外の学習

テーマに関わる文献・資料等を収集し事前に内容を把握しておくこと。
収集した文献・資料・データ等をまとめレジュメやパワーポイントを作成し発表できるようにしておくこと。
他者の発表に関しても、質問や議論ができるよう、関連する文献・資料等に目を通しておくこと。
単位制に基づき、少なくとも60時間の授業外学修時間を必要とする。

成績評価の方法

平常課題（40点），プレゼンテーション(60点)をもとに評価する。

成績評価の基準

S：単位認定基準を満たし、かつ全ての項目で優秀な学習成果をあげた（90〜100点）
A：単位認定基準を満たし、かつ多くの項目で優秀な学習成果をあげた（80〜89点）
B：単位認定基準を満たし、かついくつかの項目で優秀な学習成果をあげた（70〜79点）
C：単位認定基準を満たす最低限の学習成果をあげた（60〜69点）
F：単位認定基準の学習成果をあげられなかった（〜59点）

オフィスアワー

金曜13:00～13:30。授業のない時間帯ならいつでも気軽に研究室に来てください。

授業改善・工夫

就職後の実用性を重視して，学習内容を選んで演習を進める。また，パソコン操作になれていない初心者にもわかるように演習を行う。

留意点・注意事項

ゼミは知識の学習だけでなく，人とのコミュニケーションを理解・実践する重要な場である。このため，授業以外の空き時間帯はなるべくゼミ室に来て，教員，先輩と同級生と話しながら勉強してください。

参考サイト

AIとディープラーニング

PythonとOpenCV

Pythonと統計

Pythonの基本