| 授業名 | Data Science and AI |
|---|---|
| Course Title | Data Science and AI |
| 担当教員 Instructor Name | 韓 尚憲（Sangheon Han） |
| 授業形態 Class Type | 講義 Regular course |
| 授業形式 Class Format | On Campus |
| 単位 Credits | 4 |
| 言語 Language | JP |
| 学位 Degree | BSc |
| 開講情報 Terms / Location | 2026 UG Nisshin Term4 |
| コード Couse Code | NUC016_N26B |
授業の概要 Course Overview
Mission Statementとの関係性 / Connection to our Mission Statement
本講座は、本学のミッションである「フロンティアスピリットを備えたイノベーティブで倫理観あるリーダーの育成」および「社会の発展をもたらす知識の創出」に直結する科目です。
経営科学の習得を通じて、新時代のアジアや世界を舞台に、複雑な意思決定を合理的かつ倫理的に遂行できる能力を磨きます。ケース教材を用いた討論では、多様な視点から知識を創出し、次世代のリーダーとしての素養を身に付けることを運用の方針とします。
経営科学の習得を通じて、新時代のアジアや世界を舞台に、複雑な意思決定を合理的かつ倫理的に遂行できる能力を磨きます。ケース教材を用いた討論では、多様な視点から知識を創出し、次世代のリーダーとしての素養を身に付けることを運用の方針とします。
This course directly aligns with the University’s mission to "educate innovative and ethical leaders who possess a Frontier Spirit" and to "create knowledge that advances business and society."
Through the mastery of Management Science, students will sharpen their ability to execute rational and ethical decision-making in complex scenarios, preparing them to lead on the global stage and connect the new era of Asia with the world. Furthermore, by engaging in case-based discussions, students will practice creating knowledge from diverse perspectives, cultivating the essential qualities and mindset required of next-generation leaders.
Through the mastery of Management Science, students will sharpen their ability to execute rational and ethical decision-making in complex scenarios, preparing them to lead on the global stage and connect the new era of Asia with the world. Furthermore, by engaging in case-based discussions, students will practice creating knowledge from diverse perspectives, cultivating the essential qualities and mindset required of next-generation leaders.
授業の目的（意義） / Importance of this course
本講義の最大の目的は、データとAIを自らの思考を拡張する「道具」として使いこなす力を養うことです。膨大なデータが溢れ生成AIが急速に普及する現代において、これらをブラックボックス化するのではなく、仕組みを直感的に理解し主体的に活用できる能力（データリテラシーとAIフルーエンシー）を身につけます。最終的には、AIを相棒として使いこなし、データに基づき未来をナビゲートできるリーダーを育成することを目指します。
具体的には、以下の3つの意義を軸に展開します。
・「根拠（エビデンス）」に基づく課題解決能力の育成
・AIとの「協働」スキルの獲得
・未知の課題に対する「試行錯誤」の体験
具体的には、以下の3つの意義を軸に展開します。
・「根拠（エビデンス）」に基づく課題解決能力の育成
・AIとの「協働」スキルの獲得
・未知の課題に対する「試行錯誤」の体験
The primary objective of this course is to cultivate the ability to utilize data and AI as "tools" for expanding one's own thinking. In today’s world, characterized by an explosion of data and the rapid spread of generative AI, students will move beyond treating these technologies as "black boxes." Instead, they will develop the capacity to intuitively understand their mechanisms and proactively apply them—attaining both data literacy and AI fluency. Ultimately, this course aims to develop leaders who can master AI as a partner and navigate the future based on data-driven insights.
Specifically, the curriculum is built around the following three pillars:
・Developing evidence-based problem-solving skills.
・Acquiring skills for "collaboration" with AI.
・Experiencing "trial and error" in the face of unknown challenges.
Specifically, the curriculum is built around the following three pillars:
・Developing evidence-based problem-solving skills.
・Acquiring skills for "collaboration" with AI.
・Experiencing "trial and error" in the face of unknown challenges.
学修到達目標 / Achievement Goal
「AIとの共創とリード」
・学生が、Geminiを相棒として使いこなし、課題解決をスピードアップできる。
・学生が、AIに的確な指示を出し、作業の効率と質を最大化できるようになる。
「データの活用と合意形成」
・学生が、データを根拠（エビデンス）にして、自分の意見を伝えられるようになる。
・学生が、データの可視化を通じて、説得力のある合意形成をリードできるようになる。
「AI分析の実践と構想」
・学生が、コードを書かずにツール（Orange）で高度なAI分析を実践できる。
・学生が、AIの仕組みを理解し、課題解決のアイデアを自ら構想できるようになる。
・学生が、Geminiを相棒として使いこなし、課題解決をスピードアップできる。
・学生が、AIに的確な指示を出し、作業の効率と質を最大化できるようになる。
「データの活用と合意形成」
・学生が、データを根拠（エビデンス）にして、自分の意見を伝えられるようになる。
・学生が、データの可視化を通じて、説得力のある合意形成をリードできるようになる。
「AI分析の実践と構想」
・学生が、コードを書かずにツール（Orange）で高度なAI分析を実践できる。
・学生が、AIの仕組みを理解し、課題解決のアイデアを自ら構想できるようになる。
「AI Co-creation & Leadership」
・Students can use Gemini as a partner to accelerate problem-solving.
・Students can lead AI with precise prompts to maximize work quality and efficiency.
「Data Utilization & Consensus Building」
・Students can communicate their opinions based on data-driven evidence.
・Students can lead persuasive consensus-building through data visualization.
「AI Analysis & Visionary Thinking」
・Students can perform advanced AI analysis using no-code tools (Orange).
・Students can understand AI mechanisms and independently envision solutions to challenges.
・Students can use Gemini as a partner to accelerate problem-solving.
・Students can lead AI with precise prompts to maximize work quality and efficiency.
「Data Utilization & Consensus Building」
・Students can communicate their opinions based on data-driven evidence.
・Students can lead persuasive consensus-building through data visualization.
「AI Analysis & Visionary Thinking」
・Students can perform advanced AI analysis using no-code tools (Orange).
・Students can understand AI mechanisms and independently envision solutions to challenges.
本授業の該当ラーニングゴール Learning Goals
*本学の教育ミッションを具現化する形で設定されています。
LG1 Critical Thinking
LG2 Diversity Awareness
LG3 Ethical Decision Making
LG4 Effective Communication
LG5 Business Perspectives (BSc)
LG2 Diversity Awareness
LG3 Ethical Decision Making
LG4 Effective Communication
LG5 Business Perspectives (BSc)
受講後得られる具体的スキルや知識 Learning Outcomes
「AIとデータの操作スキルとして」
・AI使いこなし術: Google Geminiを使い、複雑なExcel関数を作らせたり、分析のヒントを得たりする「AIとの共同作業」ができるようになる。
・データの整理・集計: Excelを使い、バラバラなデータをきれいに整え、ピボットテーブルなどで素早く集計できるようになる。
・ノーコードAI分析: Orangeを使い、プログラミングなしで「未来の予測」や「グループ分け」などの高度な分析ができるようになる。
「正しく読み解く知識として」
・数字の裏側を読む: 平均やばらつき（標準偏差）などの統計知識を使い、データが示す本当の意味を正しく理解できるようになる。
・AIの仕組みとルール: AIが予測を出す仕組みや、使う際に注意すべきルール（著作権やプライバシー）が身につく。
「伝える力（プレゼンスキル）として、」
・データ・ビジュアライゼーション: 目的に合わせて最適なグラフを選び、一目で伝わる資料を作れるようになる。
・根拠のある提案: 「なんとなく」ではなく、分析したデータに基づいて自分の意見を論理的に説明できるようになる。
・AI使いこなし術: Google Geminiを使い、複雑なExcel関数を作らせたり、分析のヒントを得たりする「AIとの共同作業」ができるようになる。
・データの整理・集計: Excelを使い、バラバラなデータをきれいに整え、ピボットテーブルなどで素早く集計できるようになる。
・ノーコードAI分析: Orangeを使い、プログラミングなしで「未来の予測」や「グループ分け」などの高度な分析ができるようになる。
「正しく読み解く知識として」
・数字の裏側を読む: 平均やばらつき（標準偏差）などの統計知識を使い、データが示す本当の意味を正しく理解できるようになる。
・AIの仕組みとルール: AIが予測を出す仕組みや、使う際に注意すべきルール（著作権やプライバシー）が身につく。
「伝える力（プレゼンスキル）として、」
・データ・ビジュアライゼーション: 目的に合わせて最適なグラフを選び、一目で伝わる資料を作れるようになる。
・根拠のある提案: 「なんとなく」ではなく、分析したデータに基づいて自分の意見を論理的に説明できるようになる。
「AI and Data Operation Skills」
・AI Collaboration: Master Google Gemini to work alongside AI, using it to generate complex Excel formulas and gain analytical insights.
・Data Organization & Tabulation: Use Excel to clean messy datasets and perform rapid data aggregation using tools like Pivot Tables.
・No-Code AI Analysis: Use Orange to perform advanced analysis, such as "future prediction" and "data grouping," without any programming.
「Analytical Knowledge」
・Reading Between the Numbers: Gain the statistical knowledge (e.g., mean, standard deviation) to correctly interpret the true meaning behind data.
・AI Mechanisms and Ethics: Understand how AI generates predictions and learn the essential rules for its use, including copyright and privacy.
「Communication (Presentation Skills)」
・Data Visualization: Learn to select the most effective charts for any purpose and create materials that are clear at a glance.
・Evidence-Based Proposals: Develop the ability to explain your ideas logically based on analyzed data, rather than relying on intuition.
・AI Collaboration: Master Google Gemini to work alongside AI, using it to generate complex Excel formulas and gain analytical insights.
・Data Organization & Tabulation: Use Excel to clean messy datasets and perform rapid data aggregation using tools like Pivot Tables.
・No-Code AI Analysis: Use Orange to perform advanced analysis, such as "future prediction" and "data grouping," without any programming.
「Analytical Knowledge」
・Reading Between the Numbers: Gain the statistical knowledge (e.g., mean, standard deviation) to correctly interpret the true meaning behind data.
・AI Mechanisms and Ethics: Understand how AI generates predictions and learn the essential rules for its use, including copyright and privacy.
「Communication (Presentation Skills)」
・Data Visualization: Learn to select the most effective charts for any purpose and create materials that are clear at a glance.
・Evidence-Based Proposals: Develop the ability to explain your ideas logically based on analyzed data, rather than relying on intuition.
SDGsとの関連性 Relevance to Sustainable Development Goals
Goal 4 質の高い教育をみんなに（Quality Education）
教育手法 Teaching Method
| 教育手法 Teaching Method | % of Course Time | |
|---|---|---|
| インプット型 Traditional | 50 % | |
| 参加者中心型 Participant-Centered Learning | ケースメソッド Case Method | 50 % |
| フィールドメソッド Field Method | 0 % | 合計 Total | 100 % |
事前学修と事後学修の内容、レポート、課題に対するフィードバック方法 Pre- and Post-Course Learning, Report, Feedback methods
・この科目に対する事前学習と事後学習（自学自習方法）について
週一回の授業だけでは不十分であるので、予習をして授業に臨むことをお勧めします。様々なデータを用いて、そのデータを細かく分析し、それを分類・可視化する練習を重ねる。よって、本講座では、データ分析練習とその結果を解析する演習に重点を置く。また、予習・復習をして授業に臨むことをお勧めします。従って、各講義前に教科書の予習やケースの予習に3時間の時間が必要とされる。さらに、実技が多い科目なので大学のパソコンを必ず持参する必要がある。
・課題（試験・レポート等）に対するフィードバックについて
中間試験のフィードバックについては、オフィスアワーに研究室で個別に指導する。レポートは講義内で採点・コメントを付して返却する。
※. 情報センター（図書館）を積極的に活用すること（参考文献、予習・復習）
週一回の授業だけでは不十分であるので、予習をして授業に臨むことをお勧めします。様々なデータを用いて、そのデータを細かく分析し、それを分類・可視化する練習を重ねる。よって、本講座では、データ分析練習とその結果を解析する演習に重点を置く。また、予習・復習をして授業に臨むことをお勧めします。従って、各講義前に教科書の予習やケースの予習に3時間の時間が必要とされる。さらに、実技が多い科目なので大学のパソコンを必ず持参する必要がある。
・課題（試験・レポート等）に対するフィードバックについて
中間試験のフィードバックについては、オフィスアワーに研究室で個別に指導する。レポートは講義内で採点・コメントを付して返却する。
※. 情報センター（図書館）を積極的に活用すること（参考文献、予習・復習）
授業スケジュール Course Schedule
第1日（Day1）
【前半】「DS・AI概論とGeminiの活用」・内訳：オリエンテーション、最新AI動向、Geminiを使ったプロンプト作成実習
・内容：AIに適切な指示（プロンプト）を出す方法を学び、リサーチや要約を効率化する。
【後半】「Excelによるデータ操作の基礎」
・内訳：データクリーニング、関数（IF, VLOOKUP等）実習、不完全なデータの修正ワーク
・内容：分析前の「データの掃除」が全工程の8割である重要性を学ぶ
第2日（Day2）
【前半】「記述統計とデータの要約」・内訳：統計学基礎（平均・分散・標準偏差）、Excelでの計算演習、ヒストグラム作成と解釈
・内容：数字の羅列から「全体の傾向」を読み取る力を養う。
【後半】「データの可視化（データ・ビジュアライゼーション）」
・内訳：伝わるグラフの理論、Excelグラフ作成演習、Geminiにグラフを読み解かせるワーク
・内容：嘘をつかない、かつ誤解を招かない視覚化スキルを習得する。
第3日（Day3）
【前半】「Orange入門と探索的データ分析(EDA)」・内訳：Orangeの操作解説、ウィジェットの接続演習、散布図行列による相関探し
・内容：プログラミングなしでデータを見える化するワークフロー作成。
【後半】「予測モデルの基礎（回帰分析）」
・内訳：線形回帰の概念、Orangeでの予測モデル構築、評価指標（R2, RMSE）の理解
・内容：過去のデータから未来の数値を予測する（例：広告費と売上）。
●使用するケース
Campus Coffee逆転のデータ経営（教員自作）第4日（Day4）
【前半】「分類モデルの基礎（決定木・ランダムフォレスト）」・内訳：分類アルゴリズムの解説、Orangeでの「アヤメ」や「生存予測」演習、精度比較
・内容：条件分岐によってデータをカテゴリ分けする仕組みを学ぶ。
【後半】「教師なし学習（クラスタリング）」
・内訳：K-Means法の理論、購買データを使った顧客セグメンテーション演習、考察ワーク
・内容：正解がないデータから「似たものグループ」を見つける。
●使用するケース
キッチンカーの「42食」：健太と佐藤さんのデータ駆動型経営への挑戦（教員自作）第5日（Day5）
【前半】「テキストマイニングとAIによる感情分析」・内訳：事例紹介（プライバシー・バイアス・著作権）、グループ討論、AI利用ガイドライン作成ワーク
・内容：内容：技術だけでなく、責任あるAI・データ利用について考える。
【後半】「AIとデータの倫理・セキュリティ」
・内訳：実データ（e-Stat等）の提供、Excel/Orange/Geminiを組み合わせた分析、中間報告
・内容；これまで学んだツールを自由に使い、課題解決を試みる。
●使用するケース
終わらない「いたちごっこ」：S駅前・放置自転車の迷宮（教員自作）第6日（Day6）
【前半】「総合演習（ケーススタディ分析）」・内訳：実データ（e-Stat等）の提供(30)、Excel/Orange/Geminiを組み合わせた分析(140)、中間報告(30)
・内容：これまで学んだツールを自由に使い、課題解決を試みる。
【後半】「最終プロジェクト準備①（テーマ選定とデータ収集）」
・内訳：各自で分析テーマの設定(60)、データの収集とクリーニング(140)
・内容：学生自身の興味がある分野（スポーツ、エンタメ、社会問題等）のデータを探す。
第7日（Day7）
【前半】「最終プロジェクト準備②（分析と資料作成）」・内訳：分析の実行、Geminiを活用したスライド構成案作成、可視化資料の仕上げ
・内容：プレゼンテーションに向けた最終的なアウトプット作成。
【後半】「最終成果発表会」
・内訳：ポスターセッション形式、またはプレゼン形式での発表、総評・フィードバック
・内容：分析の結果、何が分かったか、AIをどう活用したかを共有する。
成績評価方法 Evaluation Criteria
*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
| 講師用内規準拠 Method of Assessment | Weights |
|---|---|
| コールドコール Cold Call | 0 % |
| 授業内での挙手発言 Class Contribution | 30 % |
| クラス貢献度合計 Class Contribution Total | 30 % |
| 予習レポート Preparation Report | 20 % |
| 小テスト Quizzes / Tests | 0 % |
| シミュレーション成績 Simulation | 0 % |
| ケース試験 Case Exam | 0 % |
| 最終レポート Final Report | 0 % |
| 期末試験 Final Exam | 50 % |
| 参加者による相互評価 Peer Assessment | 0 % |
| 合計 Total | 100 % |
定期試験 Final Exam
あり評価の留意事項 Notes on Evaluation Criteria
予習の重要性の観点から、予習レポートと授業中の発言と実技を全体評価の50%としてます。配布教材と教室における電子機器の利用マナーについて Guidelines for Classroom Technology and Proper Use of Course Materials
- ケースメソッド教育の中核は、積極的な参加と知識の共有です。この教育を支えるため参加者は授業中の電子機器（例：スマートフォン、ノートパソコン）の使用を制限するよう求められます。許可を得た場合でも、教室内では電子機器は、ケース討議に資する目的でのみ使用してください。授業中は、たとえケース討議に関連していても、検索エンジンや生成AIの使用は避けて下さい。
- 配布教材（ケースを含む）は指定された授業への参加以外の目的で利用しないで下さい。著者の権利、著作権、特定情報の機密性を保護するため、許可なく教材を個人や組織（生成AI を含む）に提供することはできません。このルールは、印刷物・電子教材のいずれにも適用されます。
- 詳細は「教室における電子機器の利用マナー・教材の適切な利用に関するガイドライン」を確認のうえ、教員の指示に従い、責任をもって遵守してください。
- Active participation and shared learning is at the core of the case method learning.Participants are asked to limit their use of electronic devices (e.g., laptops, smartphones) during classroom sessions in support of this model. Even with permission granted, devices should only be used in the classroom in service to the case discussion. Online searches and generative AI tools, even if related to the case discussion, are discouraged while class is in session.
- Students are prohibited from using the course materials (including cases) distributed by the university for any purpose other than participation in the designated class.Students must not input, process or test course materials with any artificial intelligence (AI) tools, bots, software, or platforms without the author’s permission. These actions violate the terms of use for the course materials and may also constitute copyright infringement.
- Please refer to the "Classroom Technology Guidelines / Guidelines for Properly Using Course Materials” for details, and follow the instructor’s directions. You are expected to comply with these guidelines responsibly.
教科書 Textbook
- 三好大悟「統計学の基礎から学ぶExcelデータ分析の全知識 改訂2版」インプレス（2025）978-4295021407
参考文献・資料 Additional Readings and Resource
・富士通ラーニングメディア (著)「はじめて学ぶ 数理・データサイエンス・AI」（2023）富士通ラーニングメディア
・名古屋大学教育学部附属中・高等学校 (著)「THE FIRST STEP データサイエンス」（2025）大修館書店
・三好大悟 (著)「ChatGPTと一緒に学ぶ はじめてのExcelデータ分析」（2025）standards
・新田 猛, 木村 尚登 (著)「図解即戦力 データ分析の基本と進め方がこれ1冊でしっかりわかる教科書」（2025）技術評論社
・平尾喜昭 (著)「狙って売上を伸ばすデータ分析の思考法 勝ち続けるための「データ×感性」6ステップ 」（2025）クロスメディア・パブリッシング(インプレス)
・岡田 朋子 (著)「数理・データサイエンス・AIのための数学基礎: Excel演習付き (近代科学社Digital) 」（2024）近代科学社
・名古屋大学教育学部附属中・高等学校 (著)「THE FIRST STEP データサイエンス」（2025）大修館書店
・三好大悟 (著)「ChatGPTと一緒に学ぶ はじめてのExcelデータ分析」（2025）standards
・新田 猛, 木村 尚登 (著)「図解即戦力 データ分析の基本と進め方がこれ1冊でしっかりわかる教科書」（2025）技術評論社
・平尾喜昭 (著)「狙って売上を伸ばすデータ分析の思考法 勝ち続けるための「データ×感性」6ステップ 」（2025）クロスメディア・パブリッシング(インプレス)
・岡田 朋子 (著)「数理・データサイエンス・AIのための数学基礎: Excel演習付き (近代科学社Digital) 」（2024）近代科学社
授業調査に対するコメント Comment on Course Evaluation
前年度の評価結果を参考にして、授業のスピードや内容を毎年改善している。また、講義の中盤にアンケートを実施して理解度などを図り微調整を行っています。
担当教員のプロフィール About the Instructor
大阪大学大学院にて経済学MA（経営学専攻）,大阪大学 大学院にて経済学PhD（経営学専攻）を取得。 経営科学を専門しており、様々な科学的意思決定手法について研究 している。特に、遺伝的アルゴリズムなどのメタ・ヒューリスティックアルゴリズム(Meta Heuristic Algorithm)を用いて、ポートフォリオ選択問題やサプライチェーンネットワークの最適化について研究。最近は、階層分析法(AHP)に興味深い。意思決定者である人間 の心理を取り組んだ科学的意思決定分野に注力。今は、他国の研究者と共同で国際的な 企業を中心にAHPを適用した研究を進めている。現在名古屋商科経営学部 ＆ 同大学大学院マネジメント研究科教授。 主な論文としては、 Hybrid GA for Portfolio Selection Problem, Hybrid GA for Supply Chain Network, Revenue management model for IP-Telephone serviceなど
Master(Business Administration) of Economics at Osaka University graduate school, Economics PhD (Business Administration major) at Osaka University graduate school. He specializes in management science and is studying various scientific decision making methods. In particular, he studied portfolio selection problem and optimization of supply chain network using meta-heuristic algorithm such as genetic algorithm. Recently, I am interested in Analytic Hierarchy Process (AHP). Focusing on the scientific decision-making field that tackled the psychology of the human being who is the decision-maker. Today, we are conducting research with AHP applied mainly to international companies in collaboration with researchers from other countries. Currently Professor of Graduate School of Management, Nagoya University of Commerce & Business.
Refereed Articles
- (2024) Despotic leadership and followers creativity: exploring the combined effects of power distance and psychological safety. BMC Psychology 12(728): 2050-7283
- (2024) The Linguistic Landscape of Koreatown in Nagoya：Its Origins and Current Status. Journal of Japanese Language (82):
- (2024) Equilibrium vertical structure with a common supplier. the Manchester School Manch Sch. 2024;1–20. 1467-9957
- (2020) Additional Transportation Costs benefit Consumer Surplus and Social Welfare in a Bilateral Duopoly. Bulletin of Applied Economics 7(2): 2056-3736
- (2019) Application of allotted analytic hierarchy process (aAHP) in group decision making problem - The evaluation of entrepreneurial ability of Participants at Nisshin Tourist Town Development event -. Journal of Global Business Society 5(1): ISSN 2186-2117
Refereed Proceedings
- (2024). Analytical approach to solving continuous-time hidden Markov models. The 2024 Fall National Conference of Operations Research Society of Japan .Operations Research Society of Japan. 1. 4. Nanzan University
- (2019). A study on validity of shared pairwise comparison method in AHP. Global Business Society 10th Symposium Proceeding .Global Business Society. 1. 2. Osaka
- (2018). A Study on the Validity of Sharing Work of Pairwise Comparison Method. Proceedings SCIS-ISIS 2018 .2018 Joint 10th International Conference on Soft Computing and Intelligent Systems and 19th International Symposium on Advanced Intelligent Systems. 1. 2. Toyama International Conference center
- (2018). A Case study on the evaluation of entrepreneurial ability of Participants at Nisshin Tourist Town Development event through Analytic Hierarchy Process. Global Business Society .Global Business Society 9th Symposium. 1. 3. Osaka city University