授業概要とねらい
社会問題や経営課題を定量的に考察するために必要な統計解析および人工知能手法を習得することを目的とする。Python言語と関連ライブラリを基本ツールとして,Python言語を用いた経営分析の基本手順,プログラミング手法を学習したうえ,因子分析,決定木分析などの数理統計手法および機械学習の基本手法を勉強する。パソコンを動かしながら各種手法の活用を実習するだけでなく,経営システム分野における各種手法の応用について,関連論文を調べて,実用例と最新状況を把握する。
単位認定基準
- Python言語を用いたプログラミングを習得する。
- 統計解析方法とその活用を学習する。
- 機械学習手法を理解し,実例問題へ応用する知識を身につける。
授業計画
- Python言語の基本とプログラミング
- Python言語と統計解析(1):ライブラリの使い方
- Python言語と統計解析(2):分析例
- Python言語と統計解析(3):データ収集と前処理
- Python言語と統計解析(4):結果の解釈と注意事項
- プレゼンテーションとレポート(1):Python言語と統計解析
- 機械学習手法(1):決定木
- 機械学習手法(2):ランダムフォレスト
- 機械学習手法(3):サポートビクターマシン
- プレゼンテーションとレポート(2):機械学習の活用
- 機械学習と企業経営(1):基本
- 機械学習と企業経営(2):応用例
- 機械学習と企業経営(3):研究例紹介
- 機械学習と企業経営(4):現状と課題
- プレゼンテーションとレポート(3) : 機械学習と企業経営
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
- 金 明哲編・董 彦文著:「経営と信用リスクのデータ科学」,共立出版,2015.
- 酒巻 隆治・里 洋平著:「ビジネス活用事例で学ぶ データサイエンス入門」,SBクリエイティブ,2014.
授業以外の学習
プログラムの作成は授業時間外にも取り組む必要がある。また,レポートおよびプレゼンテーションの準備作業はすべて授業時間外に行う。
成績評価の方法
小テスト(25点),レポートとプレゼンテーション点数(25点×3)により評価する。
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
金曜日12:00~14:30。それ以外の時間はいつでも気軽に研究室に来てください。
授業改善・工夫
受講生のもっているプログラミング知識に合わせて,初心者でもわかるように授業を進める。
留意点・注意事項
この授業は一定の数学基礎を必要とするため,確率さえ勉強したことがない者はとても難しい。また,プログラミングをまったく勉強したことがない受講生は,授業外の時間を多めに利用し,学習する必要がある。
参考サイト
- 統計ソフトRの使い方: https://sites.google.com/site/webtextofr/home
- Rで実践!データサイエンス – ef-prime, inc.: http://ef-prime.com/cdd2016/slides.pdf
- Rで学ぶ統計学: https://datasciencehenomiti.com/programing/r/
- R による統計処理 http://aoki2.si.gunma-u.ac.jp/R/index.html
- 統計処理ソフトウェアRについてのTips/リンク集:http://minato.sip21c.org/swtips/Rlinks.html
- 因子分析: http://cogpsy.educ.kyoto-u.ac.jp/personal/Kusumi/datasem13/masuda.pdf
- 因子分析: https://istat.co.jp/ta_commentary/factor_analysis
- 決定木(Decision Tree)のアルゴリズムを少し覗いてみる
- 決定木