| 年度 |
2025年度 |
開講部局 |
大学院共通教育（博士課程後期・博士課程） |
| 講義コード |
8E550301 |
科目区分 |
大学院共通科目 |
| 授業科目名 |
データサイエンティスト養成 |
授業科目名
（フリガナ） |
データサイエンティストヨウセイ |
| 英文授業科目名 |
Pathway to becoming a Data Scientist |
| 担当教員名 |
田村 初,三須 敏幸,塩崎 潤一 |
担当教員名
(フリガナ) |
タムラ ハジメ,ミス トシユキ,シオザキ ジュンイチ |
| 開講キャンパス |
東広島 |
開設期 |
1年次生 前期 集中 |
| 曜日・時限・講義室 |
(集) 集中 |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
対面 |
実データに基づくPBL演習，ディスカッション，学生の発表
（第1，3，4，5回は対面，第2回のみオンライン）
|
| 単位 |
1.0 |
週時間 |
|
使用言語 |
J
:
日本語 |
| 学習の段階 |
7
:
大学院発展的レベル
|
| 学問分野（分野） |
21
:
社会人基礎 |
| 学問分野（分科） |
03
:
キャリア教育 |
| 対象学生 |
博士課程後期学生 |
| 授業のキーワード |
PBL，データサイエンス，データ分析，マーケティング分析 |
| 教職専門科目 |
|
教科専門科目 |
|
プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ） | 本授業は，大学院共通科目のうちの，最近の社会システムの進展を知り，これからの時代に必須な知識を身につけ，現代社会の課題に具体的に取り組み，必須な知識・技術を使うことができる能力を身につけることを目指す「キャリア開発・データリテラシー科目」の選択科目の一つである。 |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | |
|---|
| 授業の目標・概要等 |
近年，ビッグデータや人工知能などの活用に関心が集まっている。企業においては製造・生産ラインの改善，素材等の探索，顧客データに基づくマーケティング戦略立案や新商品開発など，膨大なデータを構造化することで企画立案などの意思決定をサポートすることができる人財 －データサイエンティスト－ への期待も高まってきている。また，データサイエンスの知見や技術の応用は，理工系から人社系の幅広い研究分野においても，新たな学問的発見や価値創造につながることが期待されている。
本授業では，これらデータサイエンティストとして必要となる統計分析能力やIT関連の基本的なスキルを踏まえつつ，実際のビジネスや研究開発現場への応用を見据えた課題解決型テーマに取り組むことで実践力を養う。教育用データ分析環境（Kaggle環境）を用いて，国土交通省から公開されている不動産に関するデータに基づく実践的な演習と，その成果発表を行う。
|
| 授業計画 |
以下のプロセスで実施する。
マーケティング分析：不動産市場動向データに基づく演習
講師／指導：田村初氏（株式会社野村総合研究所）
・不動産市場を題材とした表形式データを用いてデータ分析及び、査定額を算出するモデル構築を行う。
・教育用データ分析環境（Kaggle環境）を用いて，モデルの精度（スコア）を推計・評価する。
・データ分析の結果を踏まえた、成果発表を行う。
スケジュール
第1回 2025年5月9日（金） 5-6時限（12:50-14:20）
ガイダンス，データ説明，分析のポイントの説明
第2回 2025年5月16日（金） 5-7時限（12:50-15:20） オンライン
データ分析の基礎（回帰分析，決定木分析，主成分分析，機械学習など）
演習で使用するデータに基づく分析手法の解説
データ配付，データ分析環境の操作方法説明、ベースラインとなる分析モデルの構築・共有
第3回 2025年6月6日（金） 5-7時限（12:50-15:20）
ベースラインモデルに基づくデータの基礎集計結果の発表
第4回 2025年6月27日（金） 5-8時限（12:50-16:05）
中間発表（データ分析結果・分析モデルのプレゼンテーション）
モデル精度（Kaggleスコア）の評価
第5回 2025年7月11日（金） 5-8時限（12:50-16:05）
最終発表（分析モデル、マーケティング戦略提案のプレゼンテーション）
モデル精度（Kaggleスコア）の評価
・原則、個人で自主的なデータ分析とまとめを行う（計40時間程度）
・個人による成果発表及び最終レポート提出（発表の形式等については別途指定）
|
| 教科書・参考書等 |
資料を配付する。 |
授業で使用する
メディア・機器等 |
映像資料, Zoom, その他（【詳細情報】を参照）, moodle |
| 【詳細情報】 |
|
授業で取り入れる
学習手法 |
ディスカッション, PBL（Problem-based Learning）／ TBL（Team-based Learning）, 授業後レポート |
予習・復習への
アドバイス |
統計学における基本的な事項を復習しておくこと。
Excelなどを活用して，基礎的なデータ分析ができるように心がけること。
【参考図書】「データサインティスト基礎スキル84」（日経文庫ビジュアル、野村総合研究所 データサイエンスラボ著）
|
履修上の注意
受講条件等 |
本授業の履修にあたっては，統計学の基礎知識，ExcelやPythonなどによるデータ分析の経験を有することが望ましいが初心者でも受講可能。初歩的な使い方については講義の中で紹介する。
定員は20名とする。
|
| 成績評価の基準等 |
成果発表，最終レポート，授業への参加姿勢に基づき総合評価を行う。 |
| 実務経験 |
有り
|
実務経験の概要と
それに基づく授業内容 |
マーケティング戦略の立案やデータサイエンス活用プロジェクトを担当している現役のコンサルタントが，実際のデータを活用しながら，データサイエンスの進め方を講義する。 |
| メッセージ |
|
| その他 |
|
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。 |