1. |
授業の概要(ねらい) |
|
近年、情報処理技術の発展により、企業活動のあらゆるシーンにおいてデータに基づく科学的なアプローチが求められています。品質管理は、これまで主に統計学的なアプローチを、製造業の製造プロセスにおいて適用することが進んできましたが、同様のアプローチは企業におけるマーケティング分野においても急速に活用が進んでいます。特に、企業のマーケティング活動における品質管理方法として、ビッグデータ分析や機械学習を中心とするデータサイエンス手法の適用が進んでいます。 本講義では、基本的な確率統計の考え方やデータサイエンスのアプローチ方法、機械学習の手法を学び、昨今の企業活動、特にマーケティング分野においてどのように科学的なアプローチの採用が進んでいるかを学びます。 前期は、データエンジニアリングの視点から講義を進めます。特に確率統計や計算機科学における理論の概要を学び、活用する上での注意点を学びます。基本的にはビジネスサイドにおける科学技術の利用者としての視点から、導入方法や注意点などを学ぶことを主眼にします。最適化の計算や数式の導出なども行いますが、プログラミングは本講義の対象外とするため、自らコーディングをしたい場合は参考書による自習が求められます。
|
2. |
授業の到達目標 |
|
1)企業活動、特にマーケティング分野における課題について、どのようなものがあるかを把握できること。その上で、基本的なデータサイエンスのアプローチとしてどのようなものがあるか、それを採用する上での注意点は何かを説明できるようになること。 2)具体的な情報に対して、科学的なアプローチであるか、特に客観的なエビデンスや研究に基づいてるものかどうかを判断できるようになること。
|
3. |
成績評価の方法および基準 |
|
授業への貢献度を30%程度、定期試験を70%程度にして評価します。
|
4. |
教科書・参考書 |
|
教科書 Foster Provost, Tom Fawcett (2014) 『戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック』竹田 正和 監訳, オライリージャパン
参考書 特に指定しない
|
5. |
準備学修の内容 |
|
・教科書を事前に読み、予習をしてください。 ・講義ノートや関連資料を参考に授業の内容の復習をしてください。また、不明な点は自ら調べ学ぶ姿勢で臨んでください。
|
6. |
その他履修上の注意事項 |
|
他の履修生の妨げとなるため、講義中の私語は厳正に対処します。
|
7. |
各回の授業内容 |
|
【第1回】 | オリエンテーション、マーケティング・サイエンスとは | 【第2回】 | 確率・データ(1)(1次元データの表現方法) | 【第3回】 | 確率・データ(2)(2次元データの表現方法) | 【第4回】 | データ・サイエンスが提供するソリューション | 【第5回】 | 予測モデリング | 【第6回】 | フィッティング | 【第7回】 | オーバーフィッティング | 【第8回】 | クラスタリング | 【第9回】 | モデル評価 | 【第10回】 | モデル性能の可視化 | 【第11回】 | エビデンスと確率 | 【第12回】 | テキスト表現 | 【第13回】 | 共起とアソシエーション | 【第14回】 | AI・IoT・ビッグデータ | 【第15回】 | まとめ
*履修生の理解度や習熟度により、調整することがあります。 |
|