IoT（Internet of Things）の進展等により様々なデータが蓄積・活用できるようになり、ビジネスシーンをはじめとした様々な場面でデータ分析能力が求められるようになっている。データ分析を効率的に行うため、機械学習分析に関するプログラミング能力は必要である。本講義ではプログラミング能力の基礎力を身に付けることで、本学ミッションの実現に貢献する。

　With the progress of IoT (Internet of Things), various types of data have been accumulated and applied, and the ability of data analysis is required in various situations, including business situations. The programming ability to use machine learning approaches is essential for efficient data analysis. This course aims to educate basic programming skills, contributing to the realization of the mission of NUCB.

　「AI」とは、人間の思考プロセスと同じような形で動作するプログラム、あるいは人間が知的と感じる情報処理・技術といった広い概念である。近時のAIブームの中心となっているのは、「機械学習」である。機械学習とは、人間の学習に相当する仕組みをコンピューター等で実現するものであり、一定の計算方法（アルゴリズム）に基づき、入力されたデータからコンピューターがパターンやルールを発見し、そのパターンやルールを新たなデータに当てはめることで、その新たなデータに関する識別や予測等を可能とする手法である。
　本講義ではプログラミング言語としてPythonを利用し、機械学習分析手法のプログラムの構築能力を身に付けることを目標とする。なお、本講義は、機械学習分析手法の理論よりも、研究事例の紹介などを通じて、該当手法の活用方法を教育することで、就職先で活躍できるデータサイエンティストの養成を目指している。

　AI is a broad concept, including an operation program like a human thinking process or information processing technology expressing human intelligence. Recently, machine learning has been at the center of AI blooming. Machine learning indicates the technology that computers can simulate the learning process of humans and usually includes two steps. Firstly, computers can recognize patterns or rules based on the proposed algorithms applied to the input data. Secondly, computers can apply the patterns and rules to new data, making the identification and forecasting process possible.
　This course educates students to master the programming ability for machine learning approaches using the Python programming language. It emphasizes applying machine learning approaches rather than theoretical education and aims to train a data scientist playing an active role in a career.

・機械学習分析手法に関する基礎知識が理解できる
・代表的な教師あり学習・教師なし学習のプログラムが構築できる

・Master basic knowledge of machine learning approaches
・Writing a program for typical supervised learning approaches and unsupervised learning approaches

*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。

・Pythonパッケージを用いて、機械学習のプログラムを作成する
・具体的な問題に対する適切な分析手法を選定する

・Write a machine learning program using Python package
・Propose a proper analysis approach for a specific problem

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 %

●準備学習（予習復習等）
　教科書の全員購入が望ましい。教科書等により授業以外の時間に予習や復習が必要である。
　予習・復習は、授業スケジュールにある内容を教科書および掲示してあるファイルなどを参考に、予習100分/週、復習100分/週を推奨する。

●レポート・課題に対するフィードバック方法
　レポート・課題についての説明は講義の中で行う。

●中央情報センター（図書館）の活用について
　自学習用に参考になる書籍が所蔵されているため、積極的に活用することを推奨する。

*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	10 %
小テスト Quizzes / Tests	30 %
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 %

評価の留意事項　Notes on Evaluation Criteria

　この科目は、コンピュータを用いた演習科目であるため、講義に欠かさず出席することが重要である。
　最終試験では、専門用語の説明、記述問題などがある。一方で、プログラムの空欄補填がない。

• セバスチャン・ラシュカ、ヴァヒド・ミルジャリリ（著）、株式会社クイープ（訳）、福島真太朗（監訳）「[第3版]Python機械学習プログラミング達人データサイエンティストによる理論と実践」インプレス（2020）9784295010074

「1」 総務省 「人工知能と機械学習」 URL: https://www.soumu.go.jp/ict_skill/pdf/ict_skill_3_5.pdf
「2」 国本大悟，須藤秋良（著），株式会社フレアリンク(監修) 「スッキリわかるPython入門」 インプレス (2019) ISBN-13: ‎978-4295006329
「3」 柴田望洋 「新・明解Python入門」 SBクリエイティブ株式会社 (2019) ISBN-13 : ‎978-4815601522
［4］ 金城俊哉 「Pythonプログラミング逆引き大全 400の極意」 秀和システム (2021) ISBN-13: 978-4798063669
［5］ 東京大学 「Pythonプログラミング入門」 URL: https://utokyo-ipp.github.io/IPP_textbook.pdf

初年度担当科目

（実務経験 Work experience）