シラバス参照
シラバス参照
| 科目一覧へ戻る | 2026/03/12 現在 |
| 科目名／Subject | 社会情報特講ＩＩＩ |
|---|---|
| 担当教員（所属）／Instructor | 森 浩太 (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 | 2026年度／Academic Year 前期／Spring Semester |
| 開講曜限／Class period | 月/Mon 3 , 他 |
| 対象所属／Eligible Faculty | 商学部昼間コース／Faculty of CommerceDay School,商学部夜間主コース／Faculty of CommerceNight School |
| 配当年次／Years | 3年 , 4年 |
| 単位数／Credits | 2 |
| 研究室番号／Office | |
| オフィスアワー／Office hours |
| 更新日／Date of renewal | 2026/02/18 | ||
|---|---|---|---|
| 授業の目的・方法 ／Course Objectives and method |
【目的】 本授業では、データ分析実務で頻繁に用いられる技術について、主に実践演習を通じて習得する。具体的には、①データベースを用いた分析、②数理最適化の応用 の２つのトピックをカバーする。それらの要素技術を操作する手段としてはPython言語を用い、その基礎も合わせて講義の中で学習する。また、分析実務における実践的な生成AIの活用方法にも触れる。 本講義を通じて、各手法の概要を理解するとともに、自らの思い描いた分析を実現するための素地をつくることを目指す。 【方法】 各回において講義形式の座学とPCを用いた実習の組合せにより行う。 データベース分析についてはYouTubeデータを題材とし、大規模なデータベースの構築とその分析を行う。 数理最適化の応用についてはパズルゲームを題材とし、複雑な問題の解を自動的に求めるソルバーを開発する。 いずれも比較的身近なテーマを題材にしているが、手法やアプローチ自体は汎用的なものであり、実際にビジネス現場や学術研究にも適用可能なものである。 実習は原則としてGoogle Colaboratory上で行い、プログラム言語にはPythonとSQLを用いる。 データベースは Google Cloudの BigQuery上に構築する。 学生は自身のPCを持ち込むか教室に備え付けのPCのいずれかを用いることができる。 講義の受講にはGoogle アカウントが必要になる。事前または初回授業で講師に共有すること。 |
||
| 達成目標 ／Course Goals |
・Python言語を用いた標準的な処理を実装できること ・プログラムを用いてAPIを用いたデータ取得を行うことができること ・簡易なSQLデータベースを構築できること ・SQLを用いて必要な情報を抽出できること ・数理最適化の構造を理解し、基礎的な実装ができること |
||
| 授業内容 ／Course contents |
各回の講義内容は下記を予定している。 ただし履修者の知識と習熟度などに応じて変更することがある。 第1日 1. 講義全体の案内、実習環境の動作確認、生成AIの利用について 2. Python プログラミングの基礎と演習 3. APIを用いたデータ収集 第2日 4. BigQueryとSQLの基礎 5. BigQueryデータベースの構築 6. SQL演習 (1) 第3日 7. Google Spreadsheet と BigQuery の連携 8. SQL演習 (2) 9. SQL演習 (3) 第4日 10. 数理最適化とOR-Toolsの基礎 11. OR-Tools 演習 12. パズル問題の定式化 第5日 13. パズルソルバーの開発 (1) 14. パズルソルバーの開発 (2) 15. パズルソルバーの開発 (3) |
||
| 事前学修・事後学修 ／Preparation and review class |
講義資料は前日までに公開する予定だが、予習は必須ではない講義構成としている。 前日の内容を次の日以降に発展させていくため、各日の内容の不明点は極力当日中に解決すること。 |
||
| 使用教材 ／Teaching materials |
講義資料・実習内容はウェブ上に公開する。 【教科書】なし 【参考書】（授業内容に関連する文献だが、授業では直接必要としない） Sylvia Moestl Vasilik 2017. Sql Practice Problems. https://sqlpracticeproblems.com/ |
||
| 成績評価の方法 ／Grading |
３つの提出課題により評価する。 ・Pythonプログラミング (1日目)： 20点 ・データベース分析 (2~3日目)：40点 ・数理最適化の応用 (4~5日目)：40点 |
||
| 成績評価の基準 ／Grading Criteria |
90点以上：秀 80-89点：優 70-79点：良 60-69点：可 60点未満：不可 ただし、特別な事情以外で２日以上欠席した場合は不可とする。 |
||
| 履修上の注意事項 ／Remarks |
・講義の受講にはGoogleアカウントが必要です。事前または初回授業で講師に共有してください。 ・プログラム言語の経験を前提とはせず、講義の中で必要な技術はカバーします。講義内容に関心のある皆さんを歓迎します。 ・ご自身のPCもしくは教室に備え付けのPCを用いて演習を行います。 |
||
| 実務経験者による授業 ／Courses conducted by the ones with practical experiences |
該当しない／No | ||
| 授業実施方法 ／Method of class |
①面接授業／Face-To-Face class | ||
| 遠隔授業 ／Online class |
|