|
社会においてデータに基づいた意思決定の重要性が増す中、データによって事象を正しく把握し、ビジネス課題を解決できる人材が望まれます。本演習では、「ビジネス課題の設定」、「企業・事業活動を定量化するデータの選定」、「課題解決に必要なデータ分析手法」の基本を身に着けることを目的としています。ツールとしてはエクセルや生成AIを活用するとともに、AI分野の標準的なプログラミング言語であるPythonの導入も行います。生成AIに関しては、講義及び演習を通じて、基盤モデル・大規模言語モデル・拡散モデルなどの技術的概要の知見を得るとともに、ハルシネーションやAI倫理などの留意事項に関する理解を深め、実社会で活用できる能力を身に着けます。尚、本演習は、高度なプログラミングスキルを身に着けることが目的ではなく、データ分析を活用した課題解決能力の向上を目指します。
|
|
|
・データ分析で解決したい課題を適切に設定できる。
・企業活動・事業を定量化するために必要なデータが選定できる。
・ビジネス課題の解決に必要なデータ分析手法を理解する。
・生成AIの基礎的な概念を理解し、自らの専門分野やビジネスに応用できる。
|
|
|
|
第1回
|
導入：ビジネスにデータを活かす
|
|
第2回
|
生成AIの基礎と展望：基盤モデル、大規模言語モデル、拡散モデル、プロンプトエンジニアリング、生成AIの留意事項
|
|
第3回
|
画像生成AIのビジネス活用演習：プレゼンテーション作成支援、マルチモーダル
|
|
第4回
|
対話型生成AIのビジネス活用演習：対話、コンテンツ生成、翻訳・要約・執筆支援、コーディング支援
|
|
第5回
|
経営データ分析の基本
|
|
第6回
|
経営・事業活動の定量化
|
|
第7回
|
データ収集とクレンジング
|
|
第8回
|
エクセルによるデータ分析演習：ピボットテーブル
|
|
第9回
|
エクセルによるデータ分析演習：可視化
|
|
第10回
|
エクセルによるデータ分析演習：近似式と回帰分析
|
|
第11回
|
意思決定論概論
|
|
第12回
|
データ分析のためのAI概論
|
|
第13回
|
Python基礎：導入
|
|
第14回
|
Python基礎：データ処理
|
|
第15回
|
Python基礎：AIモデリング
|
|
|
|
|
|
|
各回の内容には繋がりがあることから、2時間程度の事後学習を行い、知識の定着を図ること。また講義中に提示した課題については、講義内の時間で不足する場合は事後学習に取り組み、期日までにレポートを提出すること。
|
|
|
|
講義への出席、講義中の課題への取り組み、最終レポートによって総合的に評価する。
|
|
|
|
出席：40%、講義中の課題：20%、最終レポート：40%
|
|
|
|
|
|
|
|
講義中に、理解を深めるための参考文献等は紹介します。
|
|
|
|
|
|
演習ではデータ分析に関する汎用的なスキルを身に着けるが、分析対象を「企業・事業活動」と想定するため、コア「経営学」を受講済みであることが望ましい。また演習にはPCを使うため、各自ノートPCを持参すること。
|
|
|
|
|
|
企業にて製品計画・受注部門と、AI・データサイエンス部門を経験した教員が、「企業・事業の課題解決にデータ分析を活用する」という視点を大切にして、演習を行います。
|
|
|
|
|