経営学部Faculty of Business Administration
COT200FA（計算基盤 / Computing technologies 200）情報学応用Ⅱ（データ可視化）（2019年度以降入学者）Advanced Informatics II (Data Visualization)
田中 元一朗Genichiro TANAKA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 経営学部Faculty of Business Administration |
| 添付ファイル名Attached documents | |
| 年度Year | 2023 |
| 授業コードClass code | A5269 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 水2/Wed.2 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 市BT‐情実習C |
| 配当年次Grade | 2～4 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | ※ 原則春学期、秋学期連続で受講してください。 |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| 入学年度Admission year | |
| カテゴリー（2019年度以降）Category (2019～) | 情報関係科目 |
| カテゴリー（2018年度以前）Category (～2018) |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
In this course, students will learn various data visualization methods for analyzing, organizing, and visualizing complex data in a visually understandable form.
Learning Objectives:
- The fall semester, students will learn about visualizing and analyzing data using spreadsheet software in the first part of this course.
- In the second part, students will learn visualization of a mathematical formula using matplotlib, studying about Machine Learning and AI technology.
Learning activities outside of classroom:
- Students will need to understanding PC operation.
- Coursework and self practice.
Grading Criteria /Policy:
Attendance and Coursework:50% / Final Assignment:50%
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
- 本講義では、複雑なデータを分析・整理して視覚的に理解しやすい形で可視化するデータビジュアライゼーションについてさまざまな技法を演習形式で学びます。
- 秋学期は、より高度な表計算ソフトの使いこなしを通して、データ分析を行いグラフ化や図表の作成を行う方法を学びます。後半はpythonを用いて数式の可視化、機械学習、AIのモデル作成を行い、データの可視化の手法について学びます。
到達目標Goal
- 表計算ソフトを用いてデータをさまざまな形で可視化することができる。
- Pythonとライブラリを用いて、機械学習のモデルの作成と実行ができるようになる
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1-4」に関連が特に強く、「DP4」に関連がかなりある
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
- 初回の授業にアクセスするための情報は学習支援システムHoppiiに掲載します。
- 授業は演習形式で説明と実習を交えながら進めていきます。授業の詳細は開講時に学習支援システムHoppiiにて公開します。
- 前半は複雑な分析を可視化する方法について表計算ソフトを用いて演習を行います。
- 後半はpythonを用いて数式の可視化や機械学習のためのモデル作成を行い、データ可視化の手法について演習を行います。
- 演習や課題のフィードバックは授業の開始時、もしくは学習支援システム上で行います。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[オンライン/online]：ビジネスデータ分析の概要
- ビジネスデータ分析の概要について学ぶ
第2回[対面/face to face]：表計算ソフトを使った高度な分析
- ピボットテーブルの使った集計と可視化の方法について紹介
- 相関関係についての分析と可視化の方法について紹介
第3回[対面/face to face]：ビジネスデータ分析の方法(1)
- PPM分析を行い製品や自社の立ち位置について分析する方法について紹介
- ファンチャートの作成を通して基準点からの変化の可視化について学ぶ
第4回[対面/face to face]：ビジネスデータ分析の方法(2)
- 重点分析について理解できるようになる
- 構成比やパレート図を作成できるようになる
第5回[対面/face to face]：Pythonの文法(1)
- Pythonの概要について理解する
- 変数や値、関数の実行などができるようになる
- 条件分岐や繰り返しなど制御構造について理解する
第6回[対面/face to face]：Pythonの文法(2)
- 配列など高度なデータ構造について理解する
- クイックソートアルゴリズムについて学ぶ
- 外部ライブラリのインストール、読み込みができるようになる
第7回[対面/face to face]：Matplotlabを利用してグラフを作成する (1)
- PythonのライブラリであるMatplotlibを利用し数式等を可視化する方法について学ぶ。
第8回[対面/face to face]：Matplotlabを利用してグラフを作成する (2)
- PythonのライブラリであるMatplotlibを利用し数式等を可視化する方法について学ぶ。
第9回[対面/face to face]：Pythonと人工知能
- 機械学習やAIに使われている技術や仕組み、アルゴリズムについて理解する
- Generetive AIの可能性と限界について理解する
第10回[対面/face to face]：機械学習 (1)
- scikit-learnを利用し画像データの分類方法と可視化について学ぶ。
第11回[対面/face to face]：機械学習 (2)
- scikit-learnを利用し画像データの分類方法と可視化について学ぶ。
- インターネット上のデータをスクレイピングする方法について学ぶ
第12回[対面/face to face]：ディープラーニング (1)
- Kerasを利用し画像判定するモデルを作成する方法について学ぶ。
第13回[対面/face to face]：ディープラーニング (2)
- Kerasを利用し画像判定するモデルを作成する方法について学ぶ。
第14回[対面/face to face]：秋学期のまとめ
- 半年間のまとめを行う
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
- 本講義はPCの操作(ファイル・フォルダ作成・データ保存)およびキーボードの操作、OSやアプリの基本的な使い方、関連ソフトのインストール作業等はできる前提で進めていきます。操作が苦手な人は空いた時間に身につけるようにしてください。
- データ分析やAIは身近な領域になりつつあります。就職活動や自身の活動と結びつけて考えるようにしてみてください。
- 本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト（教科書）Textbooks
なし
参考書References
授業時に随時紹介
成績評価の方法と基準Grading criteria
成績評価は 100 点満点とし、平常点 50 点、授業内・期末課題 50 点の課題で決定します。60 点以上が合格となります。
学生の意見等からの気づきChanges following student comments
可視化をキーワードにさまざまなことを学びます。難易度高めの授業になる見込みです。
学生が準備すべき機器他Equipment student needs to prepare
大学内のコンピューターおよび中間モニタを利用します。課題のやりとり等は Google クラスルームを利用します。 また自分が所有するノートPCでも構いません。
その他の重要事項Others
- 本講義は可視化がテーマの授業なので、PCやソフトウェアの操作、プログラミングの文法などの詳細について細かく説明しない事があります。必要に応じて各自で練習や書籍などで補完しながら授業に臨んでください。
- 演習形式の授業なので、遅刻をしないようにお願いします。
関連科目
プログラミング言語Ⅰ／Ⅱ[Javaコース]
オフィス・アワー
授業後に質問を受け付ける