シラバス参照
シラバス参照
| 科目一覧へ戻る | 2022/04/06 現在 |
| 科目名／Subject | 総合科目Id（ビジネスにおけるAIデータ利活用） |
|---|---|
| 担当教員（所属）／Instructor | 竹中 康弘(グローカル戦略推進センター) |
| 授業科目区分／Category | 昼間コース 共通科目 |
| 開講学期／Semester | 2022年度／Academic Year 後期／Fall Semester |
| 開講曜限／Class period | 他 |
| 対象所属／Eligible Faculty | 商学部昼間コース／Faculty of CommerceDay School |
| 配当年次／Years | 1年,2年,3年,4年 |
| 単位数／Credits | 2.0 |
| 研究室番号／Office | 竹中 康弘 |
| オフィスアワー／Office hours | 竹中 康弘 |
| 更新日／Date of renewal | 2022/03/08 |
|---|---|
| 授業の目的・方法 ／Course Objectives and method |
背景 現代はVUCA時代（将来を予測するのが困難な時代）とも呼ばれ、次々と社会変革・変動が起きる激動の時代です。その変革の中心となるのはAI・データであり、これらは皆さんの今後の人生においてはかつての「読み・書き・そろばん」のように必須の知識となっています。AIの源泉はデータであり、データは21世紀の石油であるともいわれます。ここから先の時代を生き抜くためには誰でもデータを中心として物事を考える力、分析力、課題解決力、意思決定が必要不可欠となっています。 目的・前提知識 - 前提知識は不要です - 今後数十年は役に立つ論点思考、仮説思考を身に着けます - 日常生活においてデータ関連ニュースへのアンテナが高まり、データドリブン思考（＋計算論的思考）で判断する目を養います。 授業の方法 本講義はオンデマンドによるリモート授業で座学（動画受講）が中心です。とはいえテクノロジーの流行り廃りは激しく、知識を詰め込んだところですぐ忘れるのが関の山ですので、できるだけ実際の分析過程(そのとき何を考えていたのか)や動くモノをお見せしながら全体に通底する考え方や楽しさを少しでも体感・実感してもらい、真に重要なポイントを肌感覚で身に着けて頂くことに主眼を置きます。必要に応じて補講を実施します。 特徴 つい数年前まで皆さんと同じ大学で学び、現在は外資系コンサルティング企業でデータサイエンティスト・エンジニアとして現場で活躍している卒業生の方などにも講師として参加してもらい、まさに身近な話であることを実感してもらいます。 |
| 達成目標 ／Course Goals |
本講義の達成目標は次のとおりである。 ・データ駆動型社会を理解し、データの意義を説明できる ・データの意味合いがわかり、データに騙されないようになる ・基本的な問題解決力がつき、基礎的な論点思考・仮説思考ができる ・世の中のデータ関連のニュースへのアンテナが高まり、聞いたときに何らかの意味合いがわかるようになる。 |
| 授業内容 ／Course contents |
各回の講義内容は次のとおりである。ただし，履修者の知識，習得度合に応じて講義の順番や講義内容を変更する場合がある。 第1 回 社会で起きている変化と本講座の位置づけ 第2 回 先端のテクノロジートレンドを知る 第3 回 AIとは。AIを体感してみる 第4 回 データとは。社会で活用されているデータ 第5 回 社会におけるデータ・AI利活用、ビジネスにおける分析とは 第6 回 データを読む 第7 回 データの性質を知る、説明する 第8 回 データを扱う 第9 回 データ・AI利活用のための技術 第10 回 データ・AI利活用の現場 第11 回 データ・AI利活用の最新動向 第12 回 実際にデータ分析をしてみよう 第13 回 データを扱う上での留意事項・責任あるAI 第14 回 データ・AIとセキュリティ脅威 第15 回 総括。データ・AIがもたらす未来 |
| 事前学修・事後学修 ／Preparation and review lesson |
日ごろから、新聞記事、ニュース、テレビ報道などのAIニュースやデータ・グラフの可視化などに関心を持ち、バイアスに気をつけつつ疑いの目を持ちながら見ること。 |
| 使用教材 ／Teaching materials |
講義スライドをアップロードするので復習すること。必要に応じて実際に手で動かせるプログラムも配布するので試してみること。講義スライドに参考図書も載せるので興味のおもむくままに読んでみること。 使用教材は指定しないが，以下の参考文献が手元にあると授業の理解がより深まる。講義スライドはmanaba へアップロードする。 講義課題でPCを使用しますので各自用意すること。 北川源四郎／竹村彰通（2021）教養としてのデータサイエンス 岡嶋裕史／吉田雅裕（2021）はじめてのAIリテラシー 後正武（1998）意思決定のための「分析の技術」 ダレル・ハフ（1968）統計でウソをつく法．講談社（ブルーバックス） その他、授業の進捗にそって適宜紹介する。 |
| 成績評価の方法 ／Grading |
講義後アンケート、小テストの提出 100点（5回×20点）：講義動画の中で指示するので期間中に実施する。 |
| 成績評価の基準 ／Grading Criteria |
秀：成績評価の総合点数が100 点～90 点 データ・AIがどう社会で活用されているかとデータの意義を理解している。データの記述・可視化を説明・解釈できる。基礎的なデータリテラシーを十分に身に付けている。 優：89 点～80 点 データ・AIがどう社会で活用されているかとデータの意義を理解している。データの記述・可視化を説明・解釈できる。基礎的なデータリテラシーを身に付けている。 良：79 点～70 点 データ・AIがどう社会で活用されているかとデータの意義を理解している。データの記述・可視化を説明・解釈できる。基礎的なデータリテラシーを一定身に付けている。 可：69 点～60 点 データ・AIがどう社会で活用されているかとデータの意義を理解している。基礎的なデータリテラシーを一定身に付けている。 |
| 履修上の注意事項 ／Remarks |
講義に関する情報や他の履修者に関する情報を、SNS等へ掲示したり、履修者以外へ教えたりしないこと。 一部PCを利用した課題があるので、各自PCを用意すること。 |
| 実務経験者による授業 ／Courses conducted by the ones with practical experiences |
該当する |
| 実務経験の概要 ／Outline of their practical experiences |
教員は現役で大手コンサル企業にてデータ利活用の業務に従事。その他、ビジネス現場にてデータ分析を行っている若手メンバもゲストとして招聘する。 |
| 実務経験と授業科目との関連性 ／Relevance between their practical experiences and the course |
AI・データがビジネスの現場でどのように活用されているのか。また現場で感じる課題や、全てに通底して必要となる能力・考え方や学び方を講義に含め、実践的な学びを得たいと考えています。 |