基本情報/Basic Information

開講科目名 ／Class	データマイニングⅠ／Data Mining Ⅰ
授業コード ／Class Code	B600312001
ナンバリングコード ／Numbering Code	DSCc511
開講キャンパス ／Campus	ﾎﾟｰﾄｱｲﾗﾝﾄﾞ
開講所属 ／Course	経営学部／Business Administration
年度 ／Year	2025年度／Academic Year
開講区分 ／Semester	前期／SPRING
曜日・時限 ／Day, Period	月2(前期)／MON2(SPR.)
単位数 ／Credits	2.0
主担当教員 ／Main Instructor	山田　耕／YAMADA KO
遠隔授業 ／Remote lecture	No

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
山田　耕／YAMADA KO	経営学部／Business Administration

授業の方法 ／Class Format	対面講義
授業の目的 ／Class Purpose	この講義はデータサイエンスとその基礎に焦点を当て、特にマーケティングにおけるデータ利用の重要性と方法について掘り下げていきます。デジタル化が進む現代社会において、ビッグデータやAI技術の活用は避けられない流れとなっており、各企業もデジタルトランスフォーメーション（DX）を進めています。本講義では、企業が直面する様々なビジネス課題に対して、データ駆動型のアプローチがどのように取り入れられているのかを学んでいきます。そして、マーケティングの観点からデータの収集、分析、活用の各段階にわたる具体的な基礎的な手法を教えていきます。家計調査や気象データの取り方、(疑似的な)マーケティングデータやテキストデータを使った分析などのデータセットを用いて具体的な分析スキルを身につけると同時に、整備が進んでいる行政のオープンデータのとり方や注意点も学んでいきます。分析に関する実践的な知識とスキルを提供することで、理論的知識だけでなく実践にも対応できるデータサイエンスの専門家になることを目指します。
到　達　目　標 ／Class Objectives	この講義はデータを理解し活用する力を養うことを目的としており、受講生がデータドリブンな意思決定プロセスを身につけ、将来的にビジネスや研究で直面する可能性のある課題に対して効果的な解決策を考えることができるようになることを目指します。今まで習った分析の復習を入れつつ、データ分析の理解とスキル習得、すなわちPythonを用いたデータ分析の基礎を学び、データを使用したケーススタディを通じて、商品分析や分類法など、ビジネスシーンを想定したデータ活用スキルを身につけます。この過程で、オープンデータの活用や各種データの集計、可視化スキルも勉強します。
授業のキーワード ／Keywords	オープンデータ、アソシエーション分析、分類分析、テキストマイニング
授業の進め方 ／Method of Instruction	講義を中心に進めて、何回か演習的な講義を含めます。何回か講義を行った後に(Microsoft Forms上(予定)で)小テストを行います。シラバスの内容は学生の皆さんの学修の状況を見ながら、変更することもあります。
履修するにあたって ／Instruction to Students	全講義数の3分の1以上欠席した場合、単位を取得することはできません。また、大学が認めていない事由による遅刻は減点の対象とします。
授業時間外に必要な学修内容・時間 ／Required Work and Hours outside of the Class	予習として、講義中に紹介した資料を読んできてください(少なくとも60分)。復習として授業中に配布した資料を熟読してください(少なくとも60分)。復習では、自ら授業で学んだ概念について理解しているか確認し、学んだ概念を第三者に説明できるのか考えてみてください。また、必要に応じて文献・論文等をインターネットや図書館で探し、わからない部分について調べ、わからないことがあったら次回の授業で質問するようにしてください。一応、数学やPythonの復習は状況に応じて行うが、本講義は数学やPythonプログラムの講義ではないので、詳しくは行いません。そのため、抜けている知識があれば、自分で調べて対応してください。
提出課題など ／Quiz,Report,etc
成績評価方法・基準 ／Grading Method・Criteria	小テストや課題を何回か課します。 期末試験が30%、小テストや課題が40%、講義態度が30%という割合で評価します。
テキスト ／Required Texts	適宜、資料を配布します。
参考図書 ／Reference Books	有賀 友紀・大橋俊介、RとPythonで学ぶ[実践的]データサイエンス&機械学習、技術評論社、2019 竹村彰通・姫野哲人・高田聖治、データサイエンス入門 (データサイエンス大系)、学術図書、2019 大曽根圭輔・関喜史・米田武、現場で使える! Python機械学習入門 機械学習アルゴリズムの理論と実践、翔泳社、2019 石田基広、Pythonで学ぶテキストマイニング入門、シーアンドアール研究所、2022

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	データマイニングとは？
2	第2回	オープンデータ1	オープンデータとは何か？メディアでのデータの使われ方を確認する。
3	第3回	オープンデータ2	政府統計データ(e-Stat)をダウンロードしてみよう
4	第4回	マーケティングにおけるデータ分析	オープンデータを含むデータを分析することとマーケティングとの関係を理解する。
5	第5回	演習課題	ビジネスでの場のデータ活用術：統計データ分析コンペティションを読んで教え合おう
6	第6回	データの理解1	可視化と集計からデータを理解する。
7	第7回	データの理解2	データから傾向を特定する。
8	第8回	データの理解3	データをさらに詳しく掘り下げて細かい情報を確認する操作「ドリルダウン」を理解する。
9	第9回	顧客の分析1	顧客関係管理を行うためのデータ分析としてどのようなものがあるのかを理解する。
10	第10回	顧客の分析2	顧客の特徴的な購買行動を探って、消費者の特徴を割り出してみよう。
11	第11回	顧客の分析3	消費者の特徴を抽出する。
12	第12回	テキストマイニング	テキストマイニングとは何かについて説明する。
13	第13回	テキスト分析1	語の頻出数を基にしたテキストの類似度計算
14	第14回	テキスト分析2	テキストのベクトル化を理解する。
15	第15回	最終確認テスト	第14回目講義までの内容に関する理解度をテストで確認する。