基本情報/Basic Information

開講科目名 ／Class	ビジネススキル演習/ビジネスデータ表現論
授業コード ／Class Code	B703772001
開講キャンパス ／Campus	有瀬
開講所属 ／Course	総合リハビリテーション学部／Rehabilitation
年度 ／Year	2023年度／Academic Year
開講区分 ／Semester	後期／AUTUMN
曜日・時限 ／Day, Period	月1(後期)／MON1(AUT.)
単位数 ／Credits	2.0
主担当教員 ／Main Instructor	植村　仁／UEMURA JIN
科目区分 ／Course Group	【専門教育分野】　《生活福祉デザイン専門分野》／*** MAJORS *** 《生活福祉デザイン専門分野》
遠隔授業 ／Remote lecture	No

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
植村　仁／UEMURA JIN	総合リハビリテーション学部／Rehabilitation

授業の方法 ／Class Format	演習
授業の目的 ／Class Purpose	・社会リハビリテーションにおけるアンケート等の大量データから、特徴を発見する方法を体得すること。一般に問題解決のための客観的な意思決定を行う際には、複数の選択肢と状況判断材料となる簡潔な要約情報が必要となるからである。 ・上記手法を踏まえ、総合リハビリテーション学部DP4に掲げる地域社会での課題を解決し地域社会開発の担い手となること。 ・当科目担当者は、委託開発におけるソフトウェア開発及び大量データの処理に関する実務経験がある。
到　達　目　標 ／Class Objectives	数値データおよび文字データの前処理と分析を行い、データの特徴を示すことができるようになること。
授業のキーワード ／Keywords	数値データ、文字データ、集計、分析、Excel
授業の進め方 ／Method of Instruction	講義冒頭で演習内容の目的と注意点を手短に述べる。概ね各自の進度で課題をこなしてゆくことになる。
履修するにあたって ／Instruction to Students	使うのが面倒な機械や手法は役に立たない。手早く効率よく操作・作業することを常に心がけること。
授業時間外に必要な学修 ／Expected Work outside of Class	各回の講義で教授される内容について復習・慣熟を行い、次回以降に利用できるようにすること。 コンピュータおよび Excel により多く触れておくこと。(週60分程度)
提出課題など ／Quiz,Report,etc	演習課題は机間巡回及びオンラインでの提出により確認する。総合演習結果はオンラインでの提出により確認する。 演習課題は、第1週から提出時に渡り作成した全データを提出すること。例えば第4週に課題を提出する際には、第1週から第4週までのデータ全てを提出すること。
成績評価方法・基準 ／Grading Method・Criteria	演習課題進行状況を50％、総合演習結果を50％とし、これらを総合して評価する。
テキスト ／Required Texts	必要に応じて資料を配布する。
参考図書 ／Reference Books	無し

No.	回 ／Time	主題と位置付け ／Subjects and position in the whole class	学習方法と内容 ／Methods and contents	備考 ／Notes
1	第1回	Excelの基本的な扱い	基本的なExcelの機能の内、当講義で使用するもののおさらいをする。
2	第2回	Excel等の効率的操作	キーボード操作を徹底することにより、頻出する操作を効率化する訓練を行う。
3	第3回	集計向きのデータ構造	巷に氾濫する集計に不向きな表形式のデータを処理し、集計向きのデータを作成する。これにより正規化されたテーブルを作成する技能を獲得する。
4	第4回	クレンジング	データの概形をつかんだ上で、データの誤りや表記の揺れ等に実際に対処する方法を学ぶ。
5	第5回	ここまでの演習	ここまでの学習例よりは比較的大きなデータを用いて、演習問題を解く。
6	第6回	データの可視化	Excelでデータを集計し、データ構造に応じた可視化技法を学び、データの概形をつかむ。また、データの特徴を発見する上で必要な基本的統計値及びその利用について学ぶ。クロス集計も扱う。
7	第7回	クラスタリング	データ間の距離を計算し、類似データをまとめる方法を学ぶ。
8	第8回	主成分分析	高次元データから特徴のある成分を抽出する方法を学び、高次元データを可視化する方法を学ぶ。
9	第9回	回帰分析等予測	線形回帰分析等、代表的な回帰により、データの分析及び予測を行う方法を学ぶ。
10	第10回	ここまでの演習	ここまでの学習例よりは比較的大きなデータを用いて、演習問題を解く。
11	第11回	アソシエーション分析	アンケート調査等で得られるデータ内の法則性を発見するアソシエーション分析の基本的なアイデア(support, confidence, lift)を理解し実際に計算する。
12	第12回	アソシエーション分析	アンケート調査等で得られるデータ内の法則性を発見するアソシエーション分析の基本的なアイデア(support, confidence, lift)を理解し実際に計算する。(続き)
13	第13回	総合演習1	ここまでで学んだ前処理、分析手法を用いた大量データの分析の演習を行う。
14	第14回	総合演習2	ここまでで学んだ前処理、分析手法を用いた大量データの分析の演習を行う。(続き)
15	第15回	総合演習3	ここまでで学んだ前処理、分析手法を用いた大量データの分析の演習を行う。(続き)