【講義概要】
データ経営を知るための基礎的な知識を学ぶ。まずデータを意思決定の根拠にしたり、データから得た示唆を経営に活かすデータ経営の基本について議論する。また精度の高い情報収集・分析を行うためのデータサイエンスやAIの手法を習得する。
データサイエンスの基本である基本統計量、データの探索、データクリーニング、基本的なデータ分析そして簡単な予測モデルを習得し、またデータ収集基礎やデータベースの基本についても学ぶ。
次にデータサイエンスと経営、データサイエンスと会計、データサイエンスとファイナンス、データサイエンスとマーケティング、そしてデータサイエンスとエンターテイメントについて取り上げる。データサイエンスとエンターテイメントでは3Dモデリングやメタバース、デジタルツインにも触れる。
講義の後半ではAIとデータ経営について学ぶ。AIの歴史、第2、第3世代AI、特にディープラーニング(MLP。CNN、RNN)について触れ、次に第4世代AIである生成AIについて深く学ぶ。GANやStable Diffusion、Trandforamerについて体系的に学び、またChatGPTをはじめとするLLM(Large Language Model)の利用法を習得する。特にプロンプトエンジニアリングやRAG(検索拡張生成、検索とChatGPTの組み合わせ技術)の実習を中心に行い、これからデータ経営にAIを活用できるようにする。
この科目はカリキュラムポリシーの知識・技能の分野で 2) 専攻する学位分野における基本的知識を体系的に身に付けている、3) 情報収集・分析力、論理的思考力等の技能を身に付けている、を目標としている。そして思考力・判断力・表現力の分野で、1) 実社会で生起する様々な課題を正確に理解し、それぞれの学問領域に即して解決策を考えること、主体性・多様性・協働性の分野で、2) 学修成果を活用し、他者と協働して問題解決に向けて行動すること、に関連する。
【学習到達目標】
データ経営の基礎的な概念を把握する。基本的な統計的知識、プログラミングの基本を学ぶとともに、データを経営学、マーケティング、会計学、ファイナンスおよびエンターテイメントに活用する事例を知る。そしてデータサイエンスとAIの基礎的な技法を会得する。特に生成AIのchatGPTの使い方、プロンプトエンジニアリングや画像生成などの方法を会得することを目標とする。
【履修上の注意】
実習ではExcelやWeb(chatGPTなど)を使うため、必ず指定された授業日にはパソコンを持参すること。
【事前準備学習】
・受講前に、指定教科書の講義に該当する章を読み、あるいはあらかじ
め指定された専門用語などの事柄を調べ学習してから受講すること。
・受講後は、講義を担当した教員から出された課題に取り組み、指定され
た期日までに提出すること。
【教材】
※指定図書は担当教員が、学生が必読すべきものとして指定する図書のことです。
図書は図書館に置いてあり、1週間借りることができます。(一部貸出不可の図書もあります。)
教科書 | -教科書は、登録されていません。- |
参考書 | -参考書は、登録されていません。- |
指定図書 | -指定図書は、登録されていません。- |
【評価方法】
期末定期試験:60%、平常点(毎週の課題、学習態度):40%とする。
【講義テーマ】
回数 | テーマ | テーマURL |
1 | イントロダクション | |
2 | データ経営の基本 | |
3 | データの視覚化入門 | |
4 | データクリーニング | |
5 | 簡単な予測モデル | |
6 | データと経営学 | |
7 | データとマーケティング | |
8 | データと会計 | |
9 | データとファイナンス | |
10 | データとエンターテイメント | |
11 | AIとは | |
12 | 生成AI | |
13 | 生成AI演習1 | |
14 | 生成AI演習2 | |
15 | 生成AI演習3 | |
16 | 定期試験期間 | |