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。

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.

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。

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.

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

To understand the core concepts of typical AI methods for business and to learn how to perform them by yourself

*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。

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

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 %

・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。

*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。

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	10 %
クラス貢献度合計 Class Contribution Total	10 %
予習レポート Preparation Report	0 %
小テスト Quizzes / Tests	40 %
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	40 %
参加者による相互評価 Peer Assessment	10 %
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。

• 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）

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

AI手法の概要理解を助ける補助教材を増やします。

（実務経験 Work experience）