シラバス Syllabus

授業名 ビジネスのためのAI活用
Course Title AI for Business
担当教員 Instructor Name 小畑 崇弘(Takahiro Obata)
コード Couse Code NUC148_N21B
授業形態 Class Type 講義 Regular course
授業形式 Class Format Live Virtual
単位 Credits 2
言語 Language JP
科目区分 Course Category 専門教育科目400系 / Specialized Subject 400
学位 Degree BSc
開講情報 Terms / Location 2021 UG Nisshin Term3

授業の概要 Course Overview

近年、様々なビジネスシーンでAI手法が活用されるようになっています。本講義では代表的なAI手法を理解しビジネスをリードしていく力を身に付けることで、本学ミッションの実現に貢献します。
人工知能(AI)の活用は検索エンジンなど特定の分野で先行していましたが、昨今では製造品の不良品検出やデジタルマーケティング、商品・サービスの需要予測など幅広い分野で利用が拡大しています。本講義では、ビジネス上で利用されているAI手法を軸に、代表的なAI手法のアルゴリズムやビジネスへの応用を理解するとともに、それらの手法を実際に活用できるプログラミングスキルの獲得を目指します。またビジネスにAIを導入する際に問題となる点を押さえ、ビジネスモデル全体への影響を視野にいれてAI導入を検討できる視点を養います。
講義日程後半のどこかで、AIを活用してビジネスを行っている専門家をゲストスピーカーとしてお招きし、AI手法を活用したマーケティング実務についてご説明頂く予定です。
ビジネスでよく用いられるAI手法の概要を理解し、実践できるようになること

Recently, various AI methods has been utilized in business and the understanding of AI methods is getting more and more important for all business man, especially for business leaders. This lecture aims to acquire the understanding of basic AI methods utilized in business, contributing to the realization of the mission statement.
Artificial intelligence(AI) has been used in specific fields such as search engines, but recently its use is expanding in a wide range of fields, such as defective product detection, digital marketing, and demand forecasts for products and services.
The purpose of this lecture is to learn the algorithms of typical AI techniques used in business widely and their application, and also this lecture is aimed at acquiring programming skills to use these techniques by Python.
To understand the core concepts of typical AI methods for business and to learn how to perform them by yourself

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
LG4 Effective Communication
LG5 Business Perspectives (BSc)
LG6 Managerial Perspectives (BBA)

受講後得られる具体的スキルや知識 Learning Outcomes

ビジネスにおけるAI活用事例の知識
画像認識に用いられる深層学習手法やマーケティング関連でよく用いられる協調フィルタリングなどの代表的なAI手法に関する知識
Pythonによるプログラミングスキル

Knowledge for AI application to business
Knowledge for basic AI algorithms
Programming skills with Python

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 70 %
参加者中心型 Participant-Centered Learning ケースメソッド Case Method 30 %
フィールドメソッド Field Method 0 %
合計 Total 100 %

学習方法、レポート、課題に対するフィードバック方法 Course Approach, Report, Feedback methods

・講義1日目、2日目でPythonの基本は一通り扱いますが、Pythonに触ったことのない方は参考文献1に目を通しておくのが望ましいです。参考文献1はPythonプログラミングの重要な点を絞り込んで丁寧に説明してあり、自習に適した内容です。
・講義3日目以降は各AI手法の概要とビジネスでの応用事例を紹介した後、Pythonを使って実際にデータ分析するという流れで講義を進める予定です。(分析のためのサンプルコードは提供しますので自分でコードが書けなくても大丈夫です。)
・各回の講義で扱った内容を消化できるように復習に力を入れてください。
・各トピックに関してレポート課題を出題します。成績評価上は課題の評価を重視します。
※講義スケジュールに記載の内容は講義の進捗により調整する可能性があります。

授業スケジュール Course Schedule

第1日(Day1)

・ガイダンス(本講義の進め方、評価方法など)
・講義形式(AIの概要と歴史、主なAI手法とビジネスにおける活用事例、など)
・プログラミング実習(プログラミング環境のインストール、Pythonの基本)

第2日(Day2)

・画像認識とディープラーニングの基礎

第3日(Day3)

3日目以降は下記AI手法をビジネスに応用した事例を順次取り上げて進めていきます。
・ディープラーニング(画像認識など)
・決定木、ランダムフォレスト、勾配ブースティング
・アソシエーションルール
・協調フィルタリング

●使用するケース
深層学習による画像認識を活用したビジネス事例のケース等を使用予定

第4日(Day4)



第5日(Day5)



第6日(Day6)



第7日(Day7)



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。
講師用内規準拠 Method of Assessment Weights
予習レポート Preparation Report 0 %
コールドコール Cold Call 0 %
授業内での挙手発言 Class Contribution 10 %
ケース試験 Case Exam 0 %
参加者による相互評価 Peer Assessment 10 %
シミュレーション成績 Simulation 0 %
小テスト Quizzes / Tests 40 %
最終レポート Final Report 0 %
期末試験 Final Exam 40 %
合計 Total 100 %

評価の留意事項 Notes on Evaluation Criteria

講義で扱う各トピックについてレポート課題を出題します。成績評価はレポートの評価を重視します。

使用ケース一覧 List of Cases

    ケースは使用しません。

教科書 Textbook

  • なし「なし(ベースになる資料は講師が準備し、参考文献を適宜参照します)」なし(なし)

参考文献・資料 Additional Readings and Resource

1. 国本大悟『スッキリわかるPython入門 (スッキリシリーズ)』インプレス 2019
2. 下山輝昌、他『Python実践データ分析100本ノック』
3. アクセンチュアアナリティクス『データ・アナリティクス実践講座』
4. 大重 美幸『詳細! Python 3 入門ノート』ソーテック社 2017
5. 安岡寛道、他『デジタルマーケティング2.0 AI×5G時代の新・顧客戦略』日経BP社 2020
6. アクセンチュア『X-Tech2020』日本経済新聞出版社 2019

授業調査に対するコメント Comment on Course Evaluation

AI手法の概要理解を助ける補助教材を増やします。

担当教員のプロフィール About the Instructor 

【主な研究分野】 進化計算、変数選択、ファイナンス、時系列予測

【学歴】
東京大学文学部 卒
東京理科大学理学部二部 卒
筑波大学大学院博士前期課程ビジネス科学研究科 修了
筑波大学大学院博士後期課程ビジネス科学研究科 在籍中

(実務経験 Work experience)

【職務経験概略】 金融業界、特に資産運用業界を中心に職歴を積み、様々な定量的運用手法の開発やファンド運営、リスク管理等に従事。運用モデル開発に関わった戦略としては主に株式マーケットニュートラル戦略、マルチアセットアロケーション戦略、為替ダイナミックヘッジ戦略など。
【最近の職歴】
2011 ~ 2014 UBSグローバルアセットマネジメント株式会社
2014 ~ 現職 アセットマネジメントOne株式会社(統合前:新光投信株式会社)







ページ上部へ戻る