科目一覧へ戻る | 2025/02/06 現在 |
開講科目名 /Class |
演習ⅠB/Seminar ⅠB |
---|---|
授業コード /Class Code |
B600021021 |
ナンバリングコード /Numbering Code |
BACa609/DSCa609 |
開講キャンパス /Campus |
ポートアイランド |
開講所属 /Course |
経営学部/Business Administration |
年度 /Year |
2024年度/Academic Year |
開講区分 /Semester |
後期/AUTUMN |
曜日・時限 /Day, Period |
水2(後期)/WED2(AUT.) |
単位数 /Credits |
2.0 |
主担当教員 /Main Instructor |
金澤 拓也/KANAZAWA TAKUYA |
遠隔授業 /Remote lecture |
No |
教員名 /Instructor |
教員所属名 /Affiliation |
---|---|
金澤 拓也/KANAZAWA TAKUYA | 経営学部/Business Administration |
授業の方法 /Class Format |
対面授業(演習) |
---|---|
授業の目的 /Class Purpose |
この科目は,経営学部のDPに示す,企業を始めとした多様な組織の事業計画・経営戦略の策定に必要なデータを収集し,意思決定に必要な課題をシステマティックに分析し,合理的な解決を図るのに必要な知識や技能を修得することを目指す。 演習ⅠAに引き続き,実践的なデータ分析のためのツールの使いこなし,およびデータの観察から仮説を立て,解くべき課題を定義する演習を行う。そもそもデータ分析は現状を改善するためのアクションを選ぶ前段階として行うものである。アクションを選ぶときには「最適化」が必要であるが,最適化は一見すると抽象的なので初心者は戸惑いやすい。こうした陥穽を避けるための方策を学ぶ。また,個人ワークおよびグループディスカッションで自分の興味や関心について検討することで,興味の持てるテーマについてイメージをつかみ,演習Ⅱや卒業論文執筆への助走を行う。 この科目の担当者は,企業でAIとデータサイエンスの産業応用について研究開発を行った実務経験のある教員である。講義においては経験を生かして実践的な学びへと繋げていきたい。 |
到 達 目 標 /Class Objectives |
・Excelとその最適化機能やグラフ表示機能などの基本的な使い方がわかる。 ・社会課題や企業の営利活動を「最適化」という視点から統一的に捉えることができる。 ・演習Ⅱで取り組む卒業論文のテーマ設定のために必要な心構えや情報検索のノウハウを習得する。 ・プレゼンテーション資料の作り方や発表に関する技能を習得する。 |
授業のキーワード /Keywords |
データ分析,数理最適化,プレゼン,グループディスカッション |
授業の進め方 /Method of Instruction |
原則として教室の備え付けPCを使用した演習・発表形式で行う。教員による講義が入ることもある。また宿題として簡単な課題を出すことで記憶の定着を促進することがある。 必要に応じてテキスト以外の追加資料を配布する。 |
履修するにあたって /Instruction to Students |
本科目は対面実施を基本とする。 欠席,遅刻,早退は成績評価において減点の対象となる。20分以上の遅刻は,理由の如何を問わず欠席扱いとする。 講義に関する連絡,資料提供などはMoodleないしTeamsを用いる場合がある。本科目のMoodleページから転送されるメールを必ず確認すること(確認しないことによって生じる不利益は履修者自身の責任による)。また,授業中にアナウンスした連絡事項を自己都合による欠席で聞き逃した場合も,不利益は履修者自身の責任とする。 |
授業時間外に必要な学修内容・時間 /Required Work and Hours outside of the Class |
授業の復習30分,テキストの予習1時間が目安である。 |
提出課題など /Quiz,Report,etc |
|
成績評価方法・基準 /Grading Method・Criteria |
ゼミへの参加姿勢や態度=50%,発表・レポート・課題達成内容=50%で評価。 以下のいずれかに該当する場合には,教員の判断により,不可とする。 ・合理的かつ正当な理由なく,4回欠席した場合 ・自分が主たる発表者として割り当てられた回を無断欠席した場合 ・遅刻が頻繁であるなど,ゼミに対する積極性が著しく欠けている場合 ・ゼミ履修者に対して迷惑行為を行い,改善が見られない場合 ・恒常的に指導教員の指示に従わない場合 体調不良で2週以上欠席する場合は医師の診断書の提出を必須とする。 |
テキスト /Required Texts |
三好大悟 『Excelで手を動かしながら学ぶ数理最適化 ベストな意思決定を導く技術』 インプレス 2023年 1800円+税 |
参考図書 /Reference Books |
・久保克行 『経営学のための統計学・データ分析』 東洋経済新報社 2021年 2200円+税 ・トーマス・S・マラニー,クリストファー・レア 著,安原和見 訳 『リサーチのはじめかた』 筑摩書房 2023年 2200円+税 |
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 | ガイダンス | ゼミの進め方,テキストの紹介,評価方法の説明。テキストの発表の担当決め。 | |
2 | 第2回 | Excelのソルバ | PCでExcelの基本的な使い方を復習するとともに,ソルバというアドインの基本的な使い方を練習する。 | |
3 | 第3回 | 数理最適化1 | 最適化とは何か,基本概念を理解する。大域解や局所解,線形・非線形,制約条件,目的関数といった用語の意味を理解する。 | |
4 | 第4回 | 数理最適化2 | ビジネスにおける最適化の例をテキストで理解し,実習を行う。 | |
5 | 第5回 | 数理最適化3 | ビジネスにおける最適化の例をテキストで理解し,実習を行う。 | |
6 | 第6回 | 数理最適化4 | ビジネスにおける最適化の例をテキストで理解し,実習を行う。 | |
7 | 第7回 | 数理最適化5 | ビジネスにおける最適化の例をテキストで理解し,実習を行う。 | |
8 | 第8回 | 数理最適化6 | ビジネスにおける最適化の例をテキストで理解し,実習を行う。 | |
9 | 第9回 | 数理最適化7 | ビジネスにおける最適化の例をテキストで理解し,実習を行う。 | |
10 | 第10回 | 理解度確認セッション | ここまでの理解度を確認し,各自の疑問を共有し,整理する。 | |
11 | 第11回 | 卒論への助走1 | 参考図書に挙げた2冊の文献や教室での配布資料をベースにテーマ探索を行う。自分の興味あるテーマ,逆に全く興味がないテーマ,等について考え,文章にまとめる。 | |
12 | 第12回 | 卒論への助走2 | 前回の作業を続けるとともに,グループで互いの作業内容を共有する。 | |
13 | 第13回 | 卒論への助走3 | 自分が現時点で興味あるテーマに関連したデータを収集する(インターネットから無料で入手できるデータに絞る)。チャットAI(GeminiやChatGPTなど)も随時活用する。 | |
14 | 第14回 | 卒論への助走4 | データをExcelで分析し,どんな傾向があるか,どんな仮説が立てられるかを考える。前半で学んだ「最適化」の枠組みを思い出し,どんな課題設定が有効か,何を改善すると価値がありそうかを検討し,話し合う。 | |
15 | 第15回 | まとめ | 演習IBの内容を振り返る。自分の1年間勉強してきたことをまとめる。 |