データサイエンス実践:実践型データ分析演習

共通 - 全学共通

GSD30050

コース情報

担当教員: 百瀬 公朗

単位数: 2

年度: 2024

学期: 秋学期

曜限: 水3

形式: 同時双方向型授業(Zoomなど)

レベル: 300

アクティブラーニング: あり

他学部履修:

評価方法

出席状況

20%

その他

最終報告の評価,および個人の分析実施内容に対する評価をもって,総合評価を行います。

80%

詳細情報

概要

最先端の職業として今,大きな注目を集める"データサイエンティスト"。ビジネスの現場では,統計知識やITスキルに加えて,多様なステークホルダーとコミュニケーションをとり,ビジネスを企画・実行する力が求められます。日本国内・海外でも,データ分析スキルを持った人材に対する市場ニーズが,昨今非常に高まっています。 本講義は,世界最大のコンサルティング企業であるアクセンチュア株式会社の現役コンサルタントによる,実践型データ分析演習講座です。データ分析の基礎知識から,実践的な分析スキルの習得,そして就活活動にも直結するロジカルシンキング,クリティカルシンキング,プレゼンテーションスキルの習得を目指します。 ■本講義では,ビジネスで求められるデータ分析の実践的なポイントを学んでいきます。 ・一連のアナリティクス・プロセスの理解 ・データを活用したアナリティクス・プロセスの実践(課題定義・仮説立案からデータ整形,分析,示唆だし,プレゼンテーションまでの一連のプロセス) ・ビジネスの現場で使われる統計ツール(PythonやEXCELを予定)を用いた実践的な分析スキルの経験 ・ ■データ分析の手法以外にも,下記のビジネススキル・実践経験も提供することを目指しています。 ・ロジカルシンキング,クリティカルシンキング,プレゼンテーションスキルの理解,実践を通じた習得 ・生成AIの活用を通じた,自らの思考を広げるスキルの習得 ・複数のアクセンチュア社員による分析レビューを行い,ビジネス観点での分析の仕方,資料作成方法を学ぶ ※実際のビジネスにおけるデータサイエンスの事例も紹介し,キャリア形成の参考となる情報提供も視野に入れています。 ※本講義ではPCの利用が必須となります。

目標

■受講前提知識/条件: ・(必須)ExcelおよびPythonを使った経験があり,基本的なスキルを有すること ・(必須)チーム演習を予定しているため,基本的には14回講義全てに参加していただくこと(やむを得ない場合は,事前連絡の上で欠席いただくことが可能です) ・(必須)PCを使った講義であるため,PCを使用可能であること ・(必須)演習データの取り扱いに関する誓約書・データ破棄確認書を提出いただくこと(講義開始後に案内します) 期限までに提出できない場合,成績を付与できない可能性があります ・(推奨)統計学の基礎スキルを有すること 特にPython経験が必要なため,自己分析して受講を決定してください。 ■目標: 本講義では,アクセンチュア株式会社の現役データサイエンティストが講師となり,最先端のビジネス動向やAI活用事例,データサイエンティストに求められるマインドセット等に関する講義を行うことで,以下の修得を目指します。(CP3,4相当) ・データサイエンス・AIのビジネス現場における活用方法やプロジェクトの進め方といった実践力の強化 ・ビジネス現場におけるAI・データサイエンスを提供する際のハードルや課題の理解 ・データサイエンスを支える分析基盤やシステムに対する理解の強化 ・コミュニケーション・プレゼンテーションスキルの習得

授業外の学習

各回の講義の終わりに予習,復習の範囲について指定します。 また,講義後半ではチーム演習によるデータ分析を実施していただきますので,進捗に応じてチームで時間外に活動することも想定しています。

所要時間: 190分

スケジュール

  1. オリエンテーション・授業の進め方 オリエンテーションを行い,授業全体の流れを理解する。データサイエンスにおけるビジネス実践事例を紹介する。 ※授業計画は目安です。受講者の理解度や関心内容に応じて適宜変更となる可能性があります。
  2. データ分析① 課題定義・仮説立案におけるポイントを紹介し,小演習を通じて理解を深める。プロジェクト型演習のシナリオとゴール,使用データについて説明を行う。
  3. プロジェクト型演習① プロジェクト型演習を行うグループ分けを行う,データを用いた課題の深堀り,仮説一覧の作成を進める。
  4. データ分析② データの処理とPythonの基礎について学び,小演習を通じて理解を深める。
  5. データ分析③ 統計分析の基礎と可視化について学び,小演習を通じて理解を深める。
  6. データ分析④ 機械学習の基礎的手法を学び,小演習を通じて理解を深める。
  7. データ分析⑤ 機械学習の応用的手法を学び,小演習を通じて理解を深める。
  8. プロジェクト型演習②(チームアクティビティ) 仮説一覧を元に,データの分析方針を設定する。並行して初期分析を進める。
  9. プロジェクト型演習③(チームアクティビティ+講師レビュー) 課題設定・仮説立案・分析方針について講師からのレビューを行う。並行して初期分析を進める。
  10. プロジェクト型演習④(チームアクティビティ) 分析方針に基づいて,分析を進める。分析結果から施策案の検討を行う。
  11. プロジェクト型演習⑤(チームアクティビティ+講師レビュー) 分析結果に基づいて,今後の分析方針・施策案について講師レビューを行う。
  12. プロジェクト型演習⑥(チームアクティビティ) 分析結果に基づいて,資料の草稿作成を進める。
  13. プロジェクト型演習⑦(チームアクティビティ+講師レビュー) 発表のための資料作成を進め,講師からのレビューを行う。
  14. 最終発表・総括 各チームの最終発表を行う。講師からプロジェクト型演習に対する講評を行う。各自授業で学んだことの振り返りを行う。
  15. ※授業計画2~13 一部修正(8/3)

教科書

教科書は使用しません。

    参考書

    適宜指定します。

      © 2025 上智非公式シラバス. All rights reserved.