シラバス参照

講義概要/Course Information
2020/04/28 現在

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		 2020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
開講学科・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
/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 updated		 2020/04/02 10:49:39 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
/Topic and goals		 「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
/Prerequisites		 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
/Recommended prerequisites and preparation		 統計学、機械学習、データマイニング。
教科書等
/Course textbooks and materials		 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
/Course outline and weekly schedule		 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）
（日程や内容は状況に応じて変更する場合もある）

（１）ガイダンス
（２）データ理解１（データの可視化）
（３）データ理解２（テーマの大まかな方向性を概観）
（４）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）サンプル分析２（モデル作成の試行）
（６）テーマ決めのための分析
（７）良いモデルを作るために必要なことを講義
（８）テーマに従ってモデルの再構築
（９）各チームの中間報告
（１０）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）各チームでのモデル作成
（１２）各チームでモデルの作成実施
（１３）各チームで最終発表の準備
（１４）各チームで最終発表実施。（各チーム10分程度）
（１５）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）
/Preparation and review outside class		 上記e-Learning（基礎科目）の復習。講義期間中に実施する補講（別途アナウンス）が参考になる。
成績評価方法
および評価基準
（最低達成基準を含む）
/Evaluation and grading		 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
/Office hours		 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
/Message for students		 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
/Keyword(s)		 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。