ビジネスデータ分析*

理工学部 - 情報理工学科

SIC62110

コース情報

担当教員: 山下 遥

単位数: 2

年度: 2024

学期: 4クォーター

曜限: 水1, 水2

形式: 対面授業

レベル: 300

アクティブラーニング: なし

他学部履修:

評価方法

出席状況

20%

レポート

40%

小テスト等

40%

詳細情報

概要

近年,多くの企業が様々なデータを蓄積するようになり,データをどのように解析するのかが大きな課題となっている。 当授業では,データ解析の基礎について概観し,その上で多変量解析の手法およびビジネスアナリティクスの様々な手法について紹介する。授業はオンデマンド形式で展開し,Moodle上に学習教材を掲載する.この講義は情報理工学科のカリキュラムポリシーの2「科学的側面と工学的側面の両方学び,学際・融合的な知識を習得させる」科目に相当する。 ※自分のPCを用いてPythonおよびRのプログラミングを行っていただきます.Windows8以上のPCが必要になります.

目標

データ解析の基礎の習得,多変量解析の様々な手法の理解をした上で,実際のビジネスデータを解析するためのビジネスアナリティクスを学習し,使いこなせるようになること。PythonおよびRの双方を使用したうえでデータの特徴や目的に対応した適切なデータ分析ができるようになることを目指す。

授業外の学習

授業の予習1.5時間,復習2時間程度,3回のレポート課題に3時間程度の学習時間を要する

所要時間: 予習1.5時間,復習2時間程度

スケジュール

  1. オリエンテーション・データ解析とは・データ分析の基礎(1)ー平均・分散・標準偏差 PythonおよびRのダウンロードを行います.
  2. データ分析の基礎(2)ーヒストグラムの書き方・ビッグデータとスモールデータ
  3. 多変量解析(1)ー回帰分析ー
  4. 多変量解析(2)ー回帰分析の演習(R, pythonを用いた実習)ー
  5. 多変量解析(3)ー重回帰分析(2)ー
  6. 多変量解析(4)ー重回帰分析(R, pythonを用いた演習)ー
  7. 多変量解析(4)ー重回帰分析(回帰分析を用いた研究の紹介)ー
  8. クラスタリング手法(1)ーNMF法(NMFのR,およびpythonを用いた演習)
  9. クラスタリング手法(2)ーNMF法(NMFのR,およびpythonを用いた演習)
  10. クラスタリング手法(3)ーNMF法(NMFの発展手法,研究の紹介)ー
  11. 判別手法(1)-SVM(ハードマージンSVM)-
  12. 判別手法(2)-SVM(ソフトマージンSVM)-
  13. 判別手法(3)-SVM(カーネルSVM・R, pythonを用いた演習)-
  14. 判別手法(4)-SVM(SVMの発展手法実際の研究の紹介)-

教科書

必要に応じてプリントで配布する

    参考書

    書籍情報はありません。

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