シラバス参照
|
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 | ||
| 科目番号 /Code |
|||
| 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 |
全専攻共通 | ||
| 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 17:11:10 | 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」。 詳細は、WEB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。Pythonに慣れていない方は自習が必要。 |
| 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。 |
| 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。 |
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
参考書籍を提示する（Webページ参照）。 |
| 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、本学教員の評価を反映する。 |
| 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。 |