シラバス参照

授業情報/Course information

科目一覧へ戻る 2023/03/17 現在

科目名/Subject 劉 慶豊 3年ゼミ
担当教員(所属)/Instructor 劉 慶豊 (商学部)
授業科目区分/Category 昼間コース 学科別専門科目
開講学期/Semester 2021年度/Academic Year  前期/Spring Semester
開講曜限/Class period 木/Thu 4 , 木/Thu 5
対象所属/Eligible Faculty
配当年次/Years 3年 , 4年
単位数/Credits 0
研究室番号/Office 劉 慶豊(1号館525室)
オフィスアワー/Office hours 劉 慶豊(随時。事前にqliu@res.otaru-uc.ac.jpへメールで連絡すること。)
更新日/Date of renewal 2021/02/04
授業の目的・方法
/Course Objectives and method
目的:Deep Learningを始めBig Data解析と人工知能の分野で最先端な様々なMachine Learningの手法を習得し、企業や個人の経済活動に関する実証分析を研究主題とする。近年Neural NetworkをベースにDeep Leaningの手法が開発され、データ分析や人工知能の分野で他の伝統的な統計学の手法と比べて圧倒的な勢いで発展し、独占的な地位を占めそうとしている。同時に分析対象の特性に合わせてRandom ForestやBoostingなどのMachine Learningの方法も開発されている。本ゼミでこれらの方法の原理を理解し、技法を身につけ、実際のデータを用いて経済活動やビジネス活動に関する知見を見出すことにより、時代の最先端を覗く。
方法:対面とZOOM会議のハイブリッド形式でゼミを行う。3年次前半においては、Deep LearningなどのMachine Learningの手法に関するテキストを輪読し、プログラミング言語Pythonによる実装方法を習う。3年次後半では、ゼミ生各自関心を持つテーマを見つけ、プロジェクトグループを立ち上げ、データを収集し、実証分析を行う。

達成目標
/Course Goals
ゼミ活動を通じて、理解力、プレゼンテーション能力、コミュニケイション能力、問題解決能力、リーダシップと計量経済学を用いた分析力などを身につけること。
授業内容
/Course contents
ゼミ生の準備知識のレベルを考慮して以下の要領で指導を行う。
 3年次前半においては、Deep LearningなどのMachine Learningの手法に関するテキストを輪読し、プログラミング言語Pythonによる実装方法を習う。
 3年次後半では、ゼミ生各自関心を持つテーマを見つけ、プロジェクトグループを立ち上げ、データを収集し、実証分析を行う。
 4年次においては、後輩の3年生の活動に参加しながら、研究成果をまとめ卒論を作成して行く。卒論の作成に当っては個別指導を行う。
事前学修・事後学修
/Preparation and review class
研究テーマに応じて資料収集や調査分析を行う。
使用教材
/Teaching materials
ゼミ活動の中で必要に応じて指定します。
成績評価の方法
/Grading
ゼミへの参加と貢献及びゼミ活動での成果で評価する。
成績評価の基準
/Grading Criteria
成績評価の基準:
秀(100-90):ゼミへ積極的に参加し、秀でた成果をあげた場合。
優(89-80):ゼミへ積極的に参加し、優れた成果をあげた場合。
良(79-70):ゼミへ積極的に参加し、良い成果をあげた場合。
可(69-60):ゼミへ積極的に参加し、一定な成果をあげた場合。
不可(59-0):以上の水準に達しないこと。
履修上の注意事項
/Remarks
自ら積極的に自己啓発して目標を持ってゼミで能動的に勉強していくこと。
実務経験者による授業
/Courses conducted by the
ones with practical
experiences
該当しない/No
遠隔授業
/Online class
遠隔授業/Online class

科目一覧へ戻る