演習Ⅰ

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。

単位認定水準

Excelの統計機能およびSPSSなどのパッケージソフトウェアの使い方を習得する。
Pythonと基本ライブラリの使い方を習得する。
経営分析とデータ収集・解析の基本手順を理解し活用する。
主成分分析などの解析手法を理解し，実例問題へ応用する知識を身につける。

授業計画

経営分析とデータ収集・解析の基本手順
Excelの統計機能およびSPSSなどのパッケージソフトウェアの使い方
回帰分析の応用例
因子分析の応用例
プレゼンテーションとレポート(1)：経営データの収集と解析
Pythonプログラミング(1)：基本
Pythonプログラミング(2)：条件分岐と繰り返し
Pythonプログラミング(3)：組み込み型とオブジェクト
Pythonプログラミング(4)：関数
Pythonプログラミング(5)：データファイルの読み込みと書き出し
Pythonプログラミング(6)：ライブラリの活用
Pythonと主成分分析
Pythonとクラスター分析
プレゼンテーションとレポート(2)：Pythonを用いたデータ解析
まとめと復習

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．
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：すべての項目について高い水準である（90点以上）
A：半分の項目が高い水準である（80-89点）
B：すべての項目が水準に達している（70-79点）
C：いくつかの項目で未達成である（60-69点）
F：多くの項目で未達成である（59点以下）　

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。学校に来られない者，人と話すことを苦痛に思う者はこのゼミの履修を避けてほしい。