<概要/Course Content Summary>
近年,実社会で取り扱われるデータは大量化・複雑化している.計算機を用いれば,100万~1000万件程度は一般に扱われ,場合によってはそのメモリ上に保持することが困難なデータを扱うこともある.また,対象のデータ数に比べ,変量の数が非常に多いデータや変量間・対象間に構造が存在するようなデータも存在し,その分析の必要性も増している.このようなデータには一般的な統計解析法の適用は困難であり,情報科学・統計科学の共同の取組みの中で新たな手法の提案がなされつつある. 本リサーチでは,このような大量でかつ複雑なデータ,すなわちビッグデータの取得・生成・処理・解析の方法について学び,経済や社会の実データの分析・検討を通して,実践的なデータ処理/解析の能力を身につける.また,「ジョイント・リサーチⅠ」で身につけた実践的なデータ処理/解析の能力を生かし,経済・社会データの分析に関する素養を経営科学系研究部会連合協議会主催のデータ解析コンペティションへの参加を通じて高めていく.
<到達目標/Goals,Aims>
・実践的なデータ処理・解析の能力を養うことができる. ・データ分析に基づく問題発見・解決能力を養うことができる. ・リーダーシップもしくはフォロワーシップといった組織・集団の目的達成能力を養うことができる.
<授業計画/Schedule>
(実施回/ Week)
|
(内容/ Contents)
|
(授業時間外の学習/ Assignments)
|
(実施回/ Week)
1
|
(内容/ Contents)
ガイダンス 3 名程度のグループに分かれ,グループ内で本リサーチにおける役割分担を決める
|
(授業時間外の学習/ Assignments)
|
(実施回/ Week)
2~7
|
(内容/ Contents)
基礎分析 各グループごとに,与えられたデータをデータベースシステムに格納・加工糸,さらに統計分析ソフトウェア R を用いたさまざまな基礎分析を分担して行う.
|
(授業時間外の学習/ Assignments)
JR1 の復習,グループ作業,中間発表準備
|
(実施回/ Week)
8
|
(内容/ Contents)
中間発表 (グループ発表) 基礎分析で得られた成果を,各グループごとに発表する.
|
(授業時間外の学習/ Assignments)
コメントを踏まえた本分析への計画
|
(実施回/ Week)
9~14
|
(内容/ Contents)
本分析 基礎分析の結果を元に各グループごとに統計分析ソフトウェア R を用いて本分析を行い,データから新たな知見の発見とその知見の検証を行う.
|
(授業時間外の学習/ Assignments)
グループ作業,最終発表準備
|
(実施回/ Week)
15
|
(内容/ Contents)
最終発表 (グループ発表) 本分析で得られた成果を,各グループごとに発表する.
|
(授業時間外の学習/ Assignments)
コメント踏まえた最終レポート作成
|
本講義で行った内容は,1月に開催される文化情報学会学部学生ポスター発表会への参加を義務づける.また,すばらしい結果が出たグループに関しては,さらに経営科学系研究部会連合協議会主催のデータ解析コンペティションの発表会への参加も義務づける. 本講義は,毎回,基礎分析・本分析をグループメンバで分担して実施し,その結果について (場合によっては授業時間外に) 議論等を行う必要がある.なお,授業計画は講義進度や学生の理解度等に応じて変更する可能性がある.
<成績評価基準/Evaluation Criteria>
平常点 (出席)
|
20%
|
早退,遅刻,欠席に対しては厳正に対処
|
平常点 (積極的な参加)
|
20%
|
積極的な活動 (データ解析コンペティションの発表会への参加) など
|
中間発表
|
20%
|
発表内容
|
最終発表
|
20%
|
発表内容
|
最終レポート
|
20%
|
レポート内容
|
・出席すること自体はあまり重要視しないが,グループ作業が多いため早退や遅刻,欠席については厳正に対処する (2/3 以上の出席が必要). ・中間発表・最終発表における発表内容に新規性,有用性が認められる必要がある. ・最終発表した内容+αの内容で最終レポートをまとめた場合に評価する. ・グループ内でリーダーシップもしくはフォロワーシップを発揮し,文化情報学会学部学生ポスター発表会やデータ解析コンペティションでの発表をするなど,本講義に真摯に取り組んだ姿勢に対しては積極的に評価する.
<成績評価結果/Results of assessment>
成績評価の見方について/Notes for assessment
登録者数 |
成績評価(%) |
評点 平均値 |
備考
|
A |
B |
C |
D |
F |
他 |
31 |
71.0 |
22.6 |
3.2 |
0.0 |
3.2 |
0.0 |
3.6 |
|
<テキスト/Textbook>
参考資料は必要に応じて配布する.
<参照URL/URL>
<備考/Remarks>
データサイエンス科目群に設置されている科目内容は,本講義を有意義に受講するためには必要不可欠である.必要に応じて履修することを推奨する.
|