経営学部Faculty of Business Administration
COT200FA(計算基盤 / Computing technologies 200)データ処理論Ⅱ(2016~2017年度入学者)Data Processing II
飯塚 康至Yasushi IZUKA
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 | 2024 |
授業コードClass code | A5311 |
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 | 木2/Thu.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D |
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~) | |
カテゴリー(2018年度以前)Category (~2018) |
選択 情報関係 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
<class outline>
This class is about visualization. In the fall semester, students will try to visualize data using spreadsheet software. Students will also understand what machine learning used in AI and other applications is and visualize how algorithms such as AI make decisions.
<Purpose and Significance of the Class>
There are things that cannot be understood by looking at data such as numerical values alone, but can only be understood through visualization such as data analysis and graphing. By using objective visualization techniques, it will be easier to discuss with others. Data visualization is a skill that is useful in a variety of areas, including research presentations and presentations, and we believe that it is significant to acquire this skill. Also, we believe that visualizing and understanding how AI (Artificial Intelligence), which has been especially developed in recent years, judges data is an important skill for those who will be using AI in the future. The purpose of this class is to acquire essential skills to survive in the digital age through visualization.
[Objectives]
Students will be able to visualize and analyze data using spreadsheet software.
Students will be able to understand the mechanism of machine learning and deep learning, a type of AI (Artificial Intelligence), and be able to understand and explain how they make decisions.
[Grading Criteria /Policy]
Grading is based on a 100-point scale, with 50 points for regular work and 50 points for in-class assignments. 60 points or higher is considered a passing grade.
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
<授業概要>
本授業は可視化をテーマにした授業です。秋学期は表計算ソフトを利用してデータの可視化に挑戦します。またAIなどに利用される機械学習がどのようなものか理解し、AIなどのアルゴリズムがどのように判断を行っているか可視化していきます。
<授業の目的・意義>
数値などのデータだけを見ていてはわからないことも、データ分析やグラフ化などの可視化を行って初めて分かることもあります。客観的な可視化の手法を使うことで他の人との議論もしやすくなります。データの可視化の手法は研究発表やプレゼンテーションなどさまざまなところで役に立つスキルで、身につける意義があると考えます。また近年特に発展してきているAI(人工知能)がどのようにデータを判断するかを可視化し知ることも、今後、人工知能を使う側として大事なスキルであると考えます。本授業では可視化を通じデジタルな時代に生き抜く必須スキルを身につけることを目的としています。
[到達目標]
・学生は表計算ソフトを利用したデータ可視化・分析を行うことができるようになる
・学生はAI(人工知能)の一種である機械学習・深層学習の仕組みを理解しどのように判断しているか理解し説明できるようになる
到達目標Goal
本授業の到達目標は次の通りです。
1.エクセルを利用しデータを可視化し分析できるようになる
2.Pythonを利用し数式等を可視化できるようになる
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. )
初回授業の連絡は学習支援システムHoppiiで行います。
エクセルを利用しデータをグラフ化し分析する手法とAIや機械学習で利用されることが多いPythonを利用し、数式の可視化や機械学習のためのモデルの作成を行い、データを可視化する手法について学びます。
演習形式で授業を行なっていきます。説明から演習の繰り返しで授業を進めていきます。
実習室での授業の様子はオンライン及びオンデマンドで提供します。
なお、受講にあたってはプログラミングに関しての予備知識は必要としませんが、一般的なPCのスキルは必要です。
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とは
ビジネスデータ分析とはエクセルを利用したビジネスデータ分析の概要について学びます。
第2回[対面/face to face]:表の使いこなしとピボットテーブル
表を使いデータを可視化する手法と集計の手法を学びます。
第3回[対面/face to face]:PPM分析
エクセルでPPM分析を行い製品や会社の立ち位置を可視化する方法について学びます。
第4回[対面/face to face]:ファンチャート
エクセルでファンチャートを作成し基準点からの変化の具合を可視化する方法について学びます。
第5回[対面/face to face]:相関関係
2つの独立した値の関係の強さを示す相関関係を可視化する方法について学びます。
第6回[対面/face to face]:ABC分析
構成の偏りをABC分析を利用し可視化する方法について学びます。
第7回[対面/face to face]:Pythonでできること
AIや機械学習で利用されるPythonの概要について学びます。
第8回[対面/face to face]:Matpliotlibを利用したグラフの作成(1)
PythonのライブラリであるMatpliotlibを利用し数式等を可視化する方法について学びます。
第9回[対面/face to face]:Matpliotlibを利用したグラフの作成(2
Matpliotlibを利用しデータを可視化する方法について学びます。
第10回[対面/face to face]:機械学習(概要)
機械学習の概要について学びます。
第11回[対面/face to face]:機械学習(K近傍法)
K近傍法を利用した分類手法について学びます。
第12回[対面/face to face]:深層学習(ライブラリの利用)
画像認識ライブラリの利用方法について学びます。
第13回[対面/face to face]:深層学習(ライブラリの応用)
画像認識ライブラリに学習を行い独自のAIを作る方法について学びます。
第14回[対面/face to face]:秋学期復習
秋学期の復習を行います。
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.)
キー入力や基本的なPCの操作はできる前提で授業が進みます。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
後期は独自の資料にて授業を行います。
参考書References
後期参考書は開講時にお知らせします。
成績評価の方法と基準Grading criteria
成績評価は授業毎の課題と振り返りシートをもとに100 点満点とし振り返りシートの記述内容50点、授業内課題50点で決定します。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
課題等のやりとり等は Google クラスルームを利用します。
その他の重要事項Others
演習系の授業になるので、遅刻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。