シラバス参照 |
講義概要/Course Information |
科目基礎情報/General Information |
授業科目名 /Course title (Japanese) |
データサイエンティスト特論 | ||
---|---|---|---|
英文授業科目名 /Course title (English) |
Advanced Data Scientist | ||
開講年度 /Academic year |
2019年度 | 開講年次 /Year offered |
全学年 |
開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
科目区分 /Category |
大学院実践教育科目 | ||
開講類・専攻 /Cluster/Department |
全専攻 | ||
担当教員名 /Lecturer(s) |
田村 元紀 | ||
居室 /Office |
東7号館205室 | ||
公開E-mail |
tamura@uec.ac.jp | ||
授業関連Webページ /Course website |
https://de.uec.ac.jp/curriculum/ | ||
更新日 /Last update |
2019/09/10 17:10:48 | 更新状況 /Update status |
公開中 /now open to public |
講義情報/Course Description |
主題および 達成目標(2,000文字以内) /Themes and goals(up to 2,000 letters) |
「データの持つ力を解き放つ」ことが新しい時代におけるデータプロフェッショナル、すなわち「データサイエンティスト」のミッションである。データサイエンティストに求められるスキルセットは、ビジネス力、データサイエンス力、データエンジニアリング力であり、これらを総合的に発揮する意味と醍醐味を理解する。企業の第一線で活躍する複数のデータサイエンティストに直接指導を受けながら、実社会のデータを使って様々な課題を解決することを演習する。 |
---|---|
前もって履修 しておくべき科目(1,000文字以内) /Prerequisites(up to 1,000 letters) |
e-Learning(基礎科目):「確率論・統計学」「コンピュータサイエンス特論」「プログラミング言語特論」。データアントレプレフェロープログラム参照(https://de.uec.ac.jp/curriculum/) データアントレプレナー実践論。 |
前もって履修しておくこ とが望ましい科目(1,000文字以内) /Recommended prerequisites and preparation(up to 1,000 letters) |
統計学、機械学習、データマイニング。 |
教科書等(1,000文字以内) /Course textbooks and materials(up to 1,000 letters) |
テキストやデータはWebページ等からダウンロード。Pythonに慣れていない方は自習が必要。 |
授業内容と その進め方(2,000文字以内) /Course outline and weekly schedule(up to 2,000 letters) |
本科目では、実際のデータ(企業の事業データ、Kaggle等のオープンデータなど)を使って、ビジネス課題を解決するためのデータ分析、モデル作成、戦略提案を行う。最終日のプレゼンテーションは、グループごとの評価を行う。 講師はデータサイエンティスト協会所属企業の第一線データサイエンティストが務め、各グループでの作業に立ち入って細かく指導。原則として、各グループは、学生と社会人の混成チームで構成する。 教室は、電気通信大学付属図書館内のアンビエント情報環境空間 AIA: Ambient Intelligence Agora (東3号館2階) (1)(12/14 3限)ガイダンス (2)(12/14 4限)データ理解1(データの可視化) (3) (12/14 5限)データ理解2(テーマの大まかな方向性を概観) (4)(12/21 3限)サンプル分析1(簡単なデータを使ってモデル作成の準備) (5)(12/21 4限)サンプル分析2(モデル作成の試行) (6)(12/21 5限)テーマ決めのための分析 (7)(1/11 3限)良いモデルを作るために必要なことを講義 (8)(1/11 4限)テーマに従ってモデルの再構築 (9)(1/11 5限)各チームの中間報告 (10)(1/25 3限)設定された課題・宿題に対して、各チームでの対応状況を発表 (11)(1/25 4限)各チームでのモデル作成 (12)(1/25 5限)各チームでモデルの作成実施 (13)(2/8 3限)各チームで最終発表の準備 (14)(2/8 4限)各チームで最終発表実施。(各チーム10分程度) (15)(2/8 5限) ①各チームの最終発表を、講師陣およびデータ提供企業が評価。②プロがやった分析を発表。 |
実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
実データの取り扱いから課題解決戦略に関するグループ討議は、データサイエンティストの実務と同様。 |
成績評価方法 および評価基準 (最低達成基準を含む) (1,000文字以内) /Evaluation and grading (up to 1,000 letters) |
分析対象事業の状況把握、データの収集・加工・分析アプローチ、分析結果から新たな価値(課題解決策、事業方向性、アイディア提案など)を見出せるか、及びプレゼンテーション結果等による総合判断。グループワークでの関与率やコミュニケーション力も評価する。また、講義に関与した産業界のデータサイエンティストやエンジニア、本学教員の評価も反映する。 |
オフィスアワー: 授業相談(1,000文字以内) /Office hours(up to 1,000 letters) |
フォーラムを作成するので、講義時間外にもそこで講師が質問に答える。 |
学生へのメッセージ(1,000文字以内) /Message for students(up to 1,000 letters) |
データに向き合って、何らかの知見を引き出す醍醐味を体験できる。他大学学生や社会人とグループを結成し共同作業を実施。データサイエンティスト協会やコンソーシアム参画・連携企業とのネットワークができる。本科目は、文部科学省データ関連人材育成拠点「データアントレプレナーフェロープログラム」の必修科目。 |
その他 /Others |
受講する方は、毎年2月から募集するデータアントレプレナーフェローとなり、e-Learningと「データアントレプレナー実践論」の履修が望ましい。(https://de.uec.ac.jp/curriculum/) ただし、科目単独受講も可能とする場合がある。 |
キーワード /Keywords |
データサイエンス、ビッグデータ、人工知能、統計学、多変量解析、機械学習、データマイニング、エンジニアリング、プログラミング。 |