必修科目
-
応用データサイエンス特論実業界や学術において活用・研究が進むデータサイエンスについて、当大学院教員が持ち回りで講義する、輪講形式の授業です。データサイエンスの基礎理論からビジネスでの活用・応用の状況まで、各教員の研究領域は多様性に富んでおり、それぞれの真髄を講義します。「データサイエンスの広さと深さを俯瞰的に掴む」当大学院での学びの入り口となる授業です。 ２年次の演習（ゼミ）での指導教員選択や、大学院修了条件である「特定課題」のテーマ設定につながる重要な授業であり、当大学院の教員が持つ多種多様なバックグラウンドに触れることで、自らの研究テーマを深める「気づき」を得ることを期待しています。
-
導入演習実務家教員が担当する1年次秋学期に配置される演習科目。実務において求められる実践的な分析スキルを習得します。
-
演習A／演習B演習A・演習Bは、２年次春から通年で履修します。 修了条件である「特定課題」に求められる審査基準の 達成に向け、 「演習A（Academic）」ではアカデミック 教員による学術・理論的指導が、「演習B（Business）」 では実務家教員による実社会における応用・実務的 展開力の指導が行われます。 まさに、本課程の特徴である、アカデミックとビジ ネスの融合が実現する授業です。両演習を通じて、学 生には自らの課題設定力、仮説構築力、分析力、理論 構築力など、データサイエンティストが求められる総 合力を習得、強化することを期待しています。
-
特定課題学生が自ら研究テーマを設定し、事例研究、プログラム作成、実データ分析等、さまざまなアプローチにより、主体的に特定課題の制作を進めます。研究レポートには、実社会におけるデータサイエンス領域に照らしてテーマに妥当性があり、実務課題の解決につながる視点が求められます。また、それに加え、大学院としての高度な学術レベルを有していることが必要です。演習A・演習Bを通じて、学術的、実践的指導を受け、両方向から研究レポートの質を高めていくこととなります。
選択科目
- プロセスマイニング原論
- プロセスマイニングは、業務改善に活用される分析手法です。デジタル化が進むなかでイベントデータから業務の実態を可視化し課題を識別します。例えば定点カメラやサイトのアクセスログ、既存の情報システムから抽出したイベントログ等を活用。得られた様々なデータから、事象や業務の正確な「プロセス」を解析することで、より効果的かつ効率的な「プロセス」や潜在的な課題、ニーズを発掘していきます。産業のCO2削減にも活用し得るSDGsの時代において注目の技術です。本講座では、研究によって蓄積された豊富な事例をもとに、技術論ではない実践的かつ高レベルなプロセスマイニングを実際の事例も交えながら習得していきます。目下に改善を望むプロセスがあり、はっきりとした課題意識を持つ学生には、きわめて有用な講座です。
- ビジネス最適化のための人工知能
- 人工知能（AI）は、人間の知的な活動や社交的動物の群知能を模倣し、コンピュータによる知識処理や学習を可能にするソフトウェアメタファーです。本講座では広い視野をもって、ビジネス最適化（BO）における人工知能（AI）と機械学習（ML）の実践的な応用について学びます。AIツールを用いて、 売り上げ予測、需要予測、在庫最適化などのビジネス上の意思決定に役立つ情報を解析します。また、ビジネスシステム内の待ち行列の最適化や進化的計算といったAIの実際的な活用方法へ発展させます。さらに、AI活用に伴う社会倫理についても折々で触れていきます。ビジネスにAIを取り入れていくうえでッラブ、どな）IAな能可明説：IA elbanialpxE（IAX、はクボックスではない利用が肝要になっていくでしょう。
- 予測モデル構築
- 原材料の価格や顧客の購買確率を予測するなど、予測モデルの作成はデータ活用において重要な目的となることが多くあります。様々な分野に適用される「予測モデル」について、アラカルト的に知見を広げ、その全体的な概要を把握しようというのが本講義です。時系列分析・多変量解析・機械学習と、活用場面が異なる予測モデルのタイプをすべて一度に学べることは、この講義の大きな特徴だと思います。時間の制約があるため、講義内で一つ一つの理論を深めることはできませんが、講義が発想の引き出しとなり学生それぞれの興味や気づきのきっかけになることを期待しています。
-
データドリブン
トランスフォーメンション - データドリブントランスフォーメンションとは、データに基づいた合理的客観的な企業経営のあり方のことです。実際のビジネスでは、教科書にあるような理論や手続きだけではうまく機能しません。企業や社会でのサイエンスの活用には、どのような難しさがあり、どのような工夫をしなければならないかを、様々な経験を積んだ学生の皆さん同士の議論を通じ立体的に習得します。講義はそのためのフレームワークや手法、題材としての様々なケースを提供します。立場の違いを超えて課題を共有するには？周りを巻き込むためのフレームワークは？データによる経営改革に必要な要素とマネジメントは？本講座ではこういったテーマを検討することで他の授業で得た学術的な知を実世界で通用するものへと昇華することを目指します。
- データドリブンマネジメント
- 1990年代から研究やビジネス実装が本格化した“データマイニング”の世界では、大量のデータからビジネス「金脈」の発見に多くの方が挑戦しました。今日のAIブームにも共通しますが、無闇矢鱈にデータと格闘しても「金脈」を見つけることは非常に困難です。最も重要なことは「課題設定」と「仮説構築」、そして適切な分析アプローチを「選択」することです。本講座では、伝統的なデータアプローチであるマーケティングリサーチを通じて「課題＆仮説ドリブン」を、さらにデータドリブンマーケティングの実例も学ぶことで、＜伝統＞と＜革新＞が融合したビジネスサイエンススキルの修得を目指します。
- ビジネスデータサイエンス入門
- ビジネスを取り巻く環境が劇的に変化し、データドリブンによる事業運営が求められています。こうした状況下で「データサイエンス」の活用は不可欠です。本講座では、基本的なAI技術を講義とケーススタディを通じて学ぶことで、データサイエンスによるビジネス課題解決の方法を習得します。特に、顧客とのコミュニケーションの質を高める「顧客理解」や「顧客の声の分析」、あるいは、データドリブンでの事業運営に必要不可欠な「需要予測」や「売上予測」など、ビジネスの現場で求められるAI技術にフォーカスしています。主体的かつ対話的な学びを促進するため、学生自身が興味を持つ分野でのAI技術を題材に、演習やディスカッション等の機会を設ける予定です。
