Numbering Code	G-GAIS00 73035 LB95	Year/Term	2022 ・ First semester
Number of Credits	2	Course Type	Lecture
Target Year	From 1st to 3rd year students	Target Student
Language	Japanese and English	Day/Period	Mon.2
Instructor name	YAMASHIKI YOUSUKE (Graduate School of Advanced Integrated Studies in Human Survivability Professor) HOSHINA, Gakuse (Part-time Lecturer) SEKI, Daikichi (Part-time Lecturer) YOSHIDA, Shun (Part-time Lecturer)
Outline and Purpose of the Course	本講義では、受講者がデータドリブンな思考力・解決力を身につけることにより、SDGsをはじめとする社会課題の解決に資するAI人材の育成を主眼に置き、そのベーススキルを固めることを目的とする。具体的には、豊富なAI社会実装実績を持つアクセンチュア株式会社が教材を作成し、ビジネスにおけるデータサイエンス・AI活用の概要と事例の紹介、基本的なデータ分析手法と機械学習に関する講義、そしてデータ分析演習を想定している。 The purpose of this lecture is to cultivate the basic skills for AI analysts who can contribute to solving social issues such as the SDGs by acquiring data-driven thinking. Specifically, by its original course materials, Accenture Japan Ltd, which has a wealth of experience in AI implementation, will introduce an overview of data science and AI applications in business, and lecture on basic data analysis methods and machine learning with practical data analysis exercises.
Course Goals	まずは国内外含めたデータサイエンス・AI活用の事例を知り、実際のビジネスにおける重要性を理解する。そして座学と演習を通して、分析プロジェクトの一連の流れを学ぶことを目標とする。具体的には、課題定義や仮説立案などデータドリブンな思考の習得と、Pythonを用いたデータ処理およびモデル構築のスキル習得を目指す。 First, students will learn about various examples of data science and AI applications, and understand their importance in actual business. Then, through classroom lectures and exercises, students aim to understand a series of analytical project flows. Specifically, students will acquire the way of data-driven thinking such as issue definition and hypothesis formulation and data processing and model building skills using Python.
Schedule and Contents	【第1回】AI・データサイエンス概論（保科学世） 　　Introduction to AI and Data science 【第2回】データ分析実務の全体像①（分析プロジェクトとは・課題定義）（山敷庸亮） 　　Overview of data analysis practices (1) (Analysis project & Defining issues) 【第3回】データ分析実務の全体像②（仮説立案・示唆導出）（山敷庸亮） 　　Overview of data analysis practices (2) (Formulating hypothesis & Suggesting) 【第4回】データ収集・加工・探索（山敷庸亮） 　　Data collection, processing, and exploration 【第5回】Pythonコーディングの基礎①（山敷庸亮） 　　Python basics (1) 【第6回】Pythonコーディングの基礎②（山敷庸亮） 　　Python basics (2) 【第7回】教師なし学習（クラスター分析）①（山敷庸亮） 　　Unsupervised learning (Clustering) (1) 【第8回】教師なし学習（クラスター分析）②（山敷庸亮） 　　Unsupervised learning (Clustering) (2) 【第9回】教師あり学習（決定木分析）①（山敷庸亮） 　　Supervised learning (Decision tree) (1) 【第10回】教師あり学習（決定木分析）②（山敷庸亮） 　　Supervised learning (Decision tree) (2) 【第11回】機械学習（ランダムフォレスト・勾配ブースティング）①（山敷庸亮） 　　Machine Learning (Random forest and Gradient Boosting) (1) 【第12回】機械学習（ランダムフォレスト・勾配ブースティング）②（山敷庸亮） 　　Machine Learning (Random forest and Gradient Boosting) (2) 【第13回】深層学習（関大吉） 　　Deep learning 【第14回】データ分析演習・プレゼン①（吉田瞬） 　　Data analytics exercise & presentation (1) 【第15回】データ分析演習・プレゼン②（山敷庸亮） 　　Data analytics exercise & presentation (2)
Evaluation Methods and Policy	講義への出席・各回の演習により採点する。
Course Requirements	None
Study outside of Class (preparation and review)	事前にPYTHONに関する基礎知識と、PYTHONを動かせる動作環境を準備ください。