データ分析応用 [J3][対面]

開講年度

2025年度

開講学期

後期

科目名

データ分析応用

授業種別

講義

科目名（英語）

Practical Data Analysis

授業情報(授業コード・クラス・授業形態)

A0400228 データ分析応用 [J3][対面]

担当教員

三木良雄

単位数

2.0単位

曜日時限

火曜5限

キャンパス

新宿

教室

A-1411 Izumi11

学位授与の方針

1 基礎知識の修得 0％
2 専門分野の知識・専門技術の修得 100％
3 汎用的問題解決力の修得 0％
4 道徳的態度と社会性の修得 0％

具体的な到達目標

・ビッグデータ、IoT、人工知能などの技法を実務課題の解決に適用できる・上流ＳＥ，ＩＴコンサルタントに必要なＩＣＴを用いた業務課題抽出ができる・実務課題の課題定義，課題解決法の提案ができる

受講にあたっての前提条件

前提条件ではないが、最低限の三本柱の知識として、多変量解析、システム構築論、ミクロ経済学等を総合的に理解していることが望ましい。

授業の方法とねらい

ステム数理学科の”ＩＴインフラ”、”データ科学”、”経営情報”の三本柱を総合的に活⽤し、実社会の課題解決に向けてどの技術をどのような課題解決に使うのかを学ぶ。授業の分類としてはデータ科学に属する授業である。ビッグデータ、⼈⼯知能、IoTなどの実践的スキルを⾝につける。授業では企業で実際に発⽣するリアルな問題をリアルなデータに基づいて授業を進める。したがって、講義タイプの授業であるが、具体的課題解決と直⾯した授業内容である。また、BYODを前提とし、演習室にてICT環境をフル活⽤した授業を展開する。実践的な授業故に作業だけの回次も発⽣し、必ずしも授業時間だけにこだわらない時間の使い⽅も発⽣する可能性があるが、具体的な進め⽅は授業内で指⽰する。また，本授業では適宜，実際の路線バスや小売店のリアルなデータ，企業から見た課題も紹介しながら実社会の実課題の解決方法について学ぶ。さらに、スケジュール調整ができた場合には企業の方からの直接講義もお願いする場合があるため，シラバス上の各回内容はずれたり，変更される場合もある。

AL・ICT活用

PBL（課題解決型学習）／ディスカッション・ディベート／クリッカー・タブレット等ICTを活用した双方向授業／e-ラーニング等ICTを活用した自主学習支援

第1回

授業形態

対面

事前学習

履修した専⾨および専⾨基礎科⽬を再度良く復習しておくこと（特に，経営情報，データ科学）

3時間

授業内容

ガイダンス
授業の進め⽅、データの説明。データに基づく問題解決の基本的な考え⽅

事後学習・事前学習

⾝近に収集可能なデータと漏えいした場合のリスクを考え，企業の本物データを使うにあたり，どのような配慮が学生側に必要なのかを考えること

3時間

第2回

授業形態

対面

授業内容

購買⾏動などの一般論
ロジットモデル，huffモデルなど
この回もしくは次回はスケジュールの都合でオンデマンドになる可能性がある

事後学習・事前学習

データ作成課題について，自分

3.5時間

第3回

授業形態

対面

授業内容

基本統計の重要性
統計の復習を通して，基本的な理論が如何に重要かを学ぶ

事後学習・事前学習

データ作成の続きとこの授業を受講するにあたっての守秘義務覚書の作成

3時間

第4回

授業形態

対面

授業内容

基本的な多変量解析
主成分分析，重回帰解析　これらが本質的に何を明らかとしているのかを再度確認する

事後学習・事前学習

売上データから問題の抽出を試みること．同時に，もっと必要な事実に関して何をすればデータとして得られるかを考えること

3時間

第5回

授業形態

対面

授業内容

データ分析（データクレンジング等）
実際のデータに面した際に，まず何をどのように処理すべきかを作成したデータで試みる

事後学習・事前学習

データ修正，あるいは特徴分析を実施してみる

3時間

第6回

授業形態

対面

授業内容

POSデータの基本分析
ID-POSデータから商品側の特性，顧客側の特性を抽出する

事後学習・事前学習

授業内での解説を振り返り，どのような原因が現象を説明し得るのかを考える．因子分析系の解析で何がわかるのかを実践的に学ぶ

3時間

第7回

授業形態

対面

授業内容

因子分析
観測されたデータの原因となる因子を分析する
この回以降は毎回新しい手法を紹介し，課題として実施してもらう．非常にハードな対応が必要となる

事後学習・事前学習

販売実績などの背景にある原因は何なのかを複数想定しておくこと

3時間

第8回

授業形態

対面

授業内容

共分散構造分析
現象がどのような因子構造（モデル）によって発生しているのかを評価する

事後学習・事前学習

小売店におけるレコメンデーションなどの売り上げ改善方法を考える

3時間

第9回

授業形態

対面

授業内容

因果探索
LiNGAMの原理を説明し，実際のデータに適用した場合に何が得られ，そこから得られる分析的なヒントは何かを学ぶ

事後学習・事前学習

実際の問題における予測とは何を予測しているのか？　何が予測できるとありがたいのかを実際の計算を通じて把握すること

3時間

第10回

授業形態

対面

授業内容

時系列データ分析
トレンド，周期，ノイズなど時系列データの基本的な成分を学ぶ

事後学習・事前学習

予測手法の違いで何が変わるのか，何が同じなのか，予測性能の限界は何なのかを把握

3時間

第11回

授業形態

対面

授業内容

ARIMA
AR,MAなどの基本的な時系列モデルを解説し，このモデルが何を表現しているかを学ぶ

事後学習・事前学習

因果推定的発想からモデルを変化させた場合に現象の何が説明可能かを，自らモデル構築（変更）してみることで理解する

3時間

第12回

授業形態

対面

授業内容

状態空間モデル
観測できないとしていた母集団内の状態もモデル化した場合に時系列データの説明力が向上することを学ぶ

事後学習・事前学習

状態空間，フィルターについて予習しておくこと
因果推定的発想からモデルを変化させた場合に現象の何が説明可能かを，自らモデル構築（変更）してみることで理解する

3時間

第13回

授業形態

対面

授業内容

ベイズ統計１
ベイズ推定，ベイズ更新を説明し，今まで学んだ統計学と多変量解析，時系列モデルへの適用を学ぶ

事後学習・事前学習

事前に条件付き確率の復習をしておくこと
ベイズ更新の考え方を実際のデータにあてはめて検証すること

3時間

第14回

授業形態

対面

授業内容

ベイズ統計２
最尤法の復習からMAP推定，MCMC,　階層ベイズを学ぶ

事後学習・事前学習

授業で扱った統計パッケージの使い方を総復習しておくこと

3時間

第15回

授業形態

遠隔（オンデマンド）

授業内容

最終課題説明
最終課題として実問題を提供する．その課題（問題点）が何で何を解決すれば良いのかを説明する．この解答は最終レポートとなる．

事後学習

最終レポートとして問題解決を一通り実施してもらうにあたり，「問題」「原因」「解決」の流れを良く復習しておくこと

3時間

成績評価の方法

授業回で課するレポートと最終レポートで評価する．授業回は毎回ではないが，各学びの内容を理解しているかを確認し素点とする．最終レポートと素点を総合的に判断し，A+,A,B,C,D,Fの評価を行い，D以上を合格とする

受講生へのフィードバック方法

成績は大学全体の成績公開日に公開される．各回の課題から見えた学修上の問題点は次の授業にてフィードバックする

教科書

特になし

参考書

早坂清志、アンケートの調査・集計・分析がわかる本、秀和システム
豊田秀樹、共分散構造分析 R編—構造方程式モデリング、東京図書、2014
田中孝文、Rによる時系列分析入門、シーエーピー出版、2008
他　授業中にて適宜紹介する

オフィスアワー

授業後の教室，ならびにメール(mikiyo@cc.kogakuin.ac.jp)で質問，もしくは個別相談の予定調整を受け付ける

受講生へのメッセージ

情報科学科のデータ科学、ＩＴプラットフォーム、経営情報を統合して、実際の企業で発生するデータに基づいて、実社会で必要とされる答えを導き出すための科目です。数学の基礎、データ分析の基礎ができていることを前提に実社会の問題を解くために必要な延長部分を講義と演習で進めます。毎年、社会系の授業と勘違いして履修中断する人が多いので注意してください。また、この授業は”やり方"や”解き方”を学ぶ授業ではありません。方法は自分で調べ使えるようになった上で問題解決できるようになることが目的です。したがって，必要な言語や”やり方”，”解き方”の具体的解説を授業内では示さない場合も多くあります。また，授業には極力実社会で発生している問題，実社会で発生しているデータを企業の協力で紹介することに努めるため，シラバスの内容以外の項目も随時追加することがある．

実務家担当科目

実務経験の内容

データサイエンティストの経験がある教員が、具体的な問題の解決法を活かし、データ分析の応用について講義する。

教職課程認定該当学科

該当なし

その他の資格・認定プログラムとの関連

シラバス情報