経営情報システム特論Ⅱ

授業概要とねらい

本演習の目的は，実際の企業経営問題を事例として取り上げ，実際の問題解決を考えながら必要な数理モデル，統計解析手法および人工知能手法を学習することである。具体的には，多変量解析，データマイニング，機械学習および人工知能などの手法を勉強してから，パソコンを動かしながら各種手法の活用を実習する。また，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

多変量解析手法の基本的考え方を理解し，活用方法と注意点を習得する。
機械学習手法を理解し，実例問題に適用することを学習する。
統計解析や機械学習などの手法を実例問題へ応用する際の手順と要領を身につける。

授業計画

企業経営と統計解析
企業経営における統計解析の応用例
統計解析の応用例とPythonプログラミング
企業経営における機械学習の応用例
統計解析の応用とプレゼンテーション
機械学習と人工知能の基本
強化学習の基本
強化学習の応用
機械学習の応用とプレゼンテーション
ディープラーニングの基本
ディープラーニングの応用例
ディープラーニング研究紹介①
ディープラーニング研究紹介②
ディープラーニングのプログラミング
ディープラーニングの応用とプレゼンテーション

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）．
マイケル・J.A. ベリー，等著：「データマイニング手法」，海文堂出版，2004（大学図書館所蔵）．
I/O編集部著：「Excelデータ分析：統計の基礎からデータマイニングまで」，工学社, 2005（大学図書館所蔵）．

授業以外の学習

独自で資料を収集のうえ予習をする。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

レポートとプレゼンテーション点数（25点×4回）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

Python言語を基本ツールとして利用するため，プログラミングが必要である。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

学習資料

PythonとOpenCV

Pythonと統計

Pythonの基本

Pythonの開発環境

SPSSの使い方

決定木関連参考サイト

ニューラルネット関連参考サイト

ディープラーニング関連参考サイト

人工知能関連参考サイト

AIツール

データソース・調査サイト