| 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 | 蔡 東生（DongSheng Cai） |
| コード Couse Code | NUC254_N25B |
| 授業形態 Class Type | 講義 Regular course |
| 授業形式 Class Format | On Campus |
| 単位 Credits | 2 |
| 言語 Language | JP |
| 学位 Degree | BSc |
| 開講情報 Terms / Location | 2025 UG Nisshin Term4 |
授業の概要 Course Overview
Mission Statementとの関係性 / Connection to our Mission Statement
データ分析を通じてビジネスにおける意思決定に役立てる
Use data analysis to improve decision makings at business
授業の目的（意義） / Importance of this course
本講義では、これまでデータ分析を体系的に学んだことのない学部生を主な対象として、研究や実務で広く使われているプログラミングソフトを用いて、統計的因果推論と機械学習のパターンと考え方を学んでいきます。授業内課題を通じた実践、すなわち手を動かすことが中心の授業であり、数理的に厳密な理解は他の講義に譲ります。また、教科書については初回に説明するので、それまでは買わないでください。
In this course, mainly intended for undergraduate students who have never studied data analysis systematically before, students will learn the patterns and concepts of statistical causal inference and machine learning using R, a programming software widely used in research and practice. Practice through in-class assignments, i.e., hands-on activities, is the main focus of this course, and mathematically rigorous understanding will be left to other lectures
到達目標 / Achievement Goal
1学生が自分の関心に合わせたデータ分析を立案し、実施できるようになる
2学生が統計ソフトRの基本的な扱い方を習得する
2学生が統計ソフトRの基本的な扱い方を習得する
l Students will plan and implement data analysis
2 Students will learn the way to use a statistical software R
2 Students will learn the way to use a statistical software R
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)
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
1自分の関心に合わせたデータ分析を立案し、実施する技術
2統計ソフトRの基本的な扱い方
2統計ソフトRの基本的な扱い方
l Knowledge to plan and implement data analysis
2 Knowledge to use a statistical software
2 Knowledge to use a statistical software
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
予習レポートと毎回の授業で実施する授業内課題に真摯に取り組むことを求めます。授業内課題の解説は講義の中で実施します。
授業スケジュール Course Schedule
第1日（Day1）
ガイダンス、統計ソフトRのインストール、基本的な使い方●使用するケース
データよ、これが現場だ第2日（Day2）
データ可視化・回帰分析の実践●使用するケース
大発見第3日（Day3）
回帰分析の前提・限界と統計的因果推論の基本l:潜在的結果フレームワーク●使用するケース
バスケットボール選手になりたい第4日（Day4）
回帰分析の前提・限界と統計的因果推論の基本2：重回帰分析●使用するケース
どうする民主主義第5日（Day5）
統計的因果推論のための手法1操作変数法●使用するケース
ATSUMORI第6日（Day6）
統計的因果推論のための手法2回帰不連続デザイン●使用するケース
政治学の復習第7日（Day7）
差の差分析・合成統制法●使用するケース
差の差分析・合成統制法に関するケース成績評価方法 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 | 70 % |
| クラス貢献度合計 Class Contribution Total | 70 % |
| 予習レポート Preparation Report | 10 % |
| 小テスト Quizzes / Tests | 20 % |
| 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 | 0 % |
| 参加者による相互評価 Peer Assessment | 0 % |
| 合計 Total | 100 % |
定期試験 Final Exam
なし（全てケース授業/Fully Case Method）評価の留意事項 Notes on Evaluation Criteria
単位は複数回実施するレポート提出によって得られるので、必ずしも複数回欠席したことによって即座に単位が得られなくなるということではありません。しかし、欠席した授業をキャッチアップし課題を提出するには、教科書ではなく（より内容の難しい）参考書を読む必要があります。また、回によっては、欠席により、次回の内容が理解できなくなるということもあります。その場合、単位取得は茨の道とはなるので、極力授業に出席し、疑問をその場で解消することを推奨します。教科書 Textbook
- 中室牧子、津川友介「「原因と結果」の経済学」ダイヤモンド社（2017）
参考文献・資料 Additional Readings and Resource
高橋将宜(2022) 『統計的因果推論の理論と実装』共立出版
授業調査に対するコメント Comment on Course Evaluation
特になし
担当教員のプロフィール About the Instructor
東京大学工学部航空学科卒業後、スタンフォード大学にて博士号（航空宇宙工学）を取得。神戸大学を経て、1992年より筑波大学に勤務し、現在は名古屋商科大学に所属。専門はAI駆動型科学計算、量子コンピューティング、数理解析、宇宙物理実験。また、メタバースやバーチャルリアリティ（VR）を活用した科学データの可視化に取り組み、脳科学、感情モデリング、ヒューマン・ロボットインタラクションの研究も行っている。
NASA、ESA、JAXAとの共同研究経験が豊富で、宇宙空間プラズマシミュレーションや量子機械学習の分野で国際的な業績を上げている。近年は、量子最適化アルゴリズムの開発、ディープラーニング、コンピュータグラフィックスの教育にも力を注いでいる。
これまでにベストティーチャー賞（筑波大学、東京大学）、フランス国立科学研究センター（CNRS）可視化賞、Oscar Buneman Award など、多くの教育・研究関連の受賞歴を持つ。複数の言語（英語、中国語）に精通し、国際的な研究・教育活動を展開している。
これまでの担当授業：線形代数、数値解析とシミュレーション、深層学習、コンピュータグラフィックス など。
NASA、ESA、JAXAとの共同研究経験が豊富で、宇宙空間プラズマシミュレーションや量子機械学習の分野で国際的な業績を上げている。近年は、量子最適化アルゴリズムの開発、ディープラーニング、コンピュータグラフィックスの教育にも力を注いでいる。
これまでにベストティーチャー賞（筑波大学、東京大学）、フランス国立科学研究センター（CNRS）可視化賞、Oscar Buneman Award など、多くの教育・研究関連の受賞歴を持つ。複数の言語（英語、中国語）に精通し、国際的な研究・教育活動を展開している。
これまでの担当授業：線形代数、数値解析とシミュレーション、深層学習、コンピュータグラフィックス など。
After graduating from the Department of Aeronautics at the University of Tokyo, he earned a Ph.D. in Aeronautics and Astronautics from Stanford University. Following his tenure at Kobe University, he joined the University of Tsukuba in 1992 and is currently affiliated with Nagoya University of Commerce and Business. His research specialties include AI-driven scientific computing, quantum computing, mathematical analysis, and space physics experiments. Additionally, he is engaged in the visualization of scientific data using the Metaverse and Virtual Reality (VR), as well as research in brain sciences, emotion modeling, and human-robot interaction.
He has extensive experience in collaborative research with NASA, ESA, and JAXA, and has made significant international contributions in the fields of space plasma simulations and quantum machine learning. In recent years, he has also focused on developing quantum optimization algorithms and teaching deep learning and computer graphics.
He has received numerous awards in education and research, including the Best Teacher Award (University of Tsukuba, University of Tokyo), the Visualization Prize from the French National Center for Scientific Research (CNRS), and the Oscar Buneman Award. He is proficient in multiple languages, including English and Chinese, and actively engages in international research and educational activities.
Courses previously taught: Linear Algebra, Numerical Analysis and Simulation, Deep Learning, Computer Graphics, among others.
（実務経験 Work experience）
筑波大学
(1992 - 2025)
- 高性能計算、量子機械学習、宇宙プラズマシミュレーションの研究を主導。
- 3D大域的粒子シミュレーション（PIC）の開発を実施。
- VRを活用した複雑な数学・物理現象の可視化に取り組む。
神戸大学
(1989 - 1992)
- 西日本の初期インターネットインフラの構築に携わる。
- スペースシャトルのプラズマ環境シミュレーションを実施。
スタンフォード大学 / NASAマーシャル宇宙飛行センター
NASAフェローシップ (1985 - 1989)
- スペースシャトル（STS-9, STS-45）でのSEPACビーム実験のデータ解析を担当。
- 超低周波（ELF）プラズマ振動の理論研究を実施。
---
海外での研究・共同プロジェクト
- NASA、ESA、JAXAとの共同研究に従事し、宇宙プラズマ・量子コンピューティング分野で国際的な成果を上げる。
- NASA MMS（磁気圏マルチスケールミッション）の磁場トポロジー研究を主導。
- 量子最適化アルゴリズムの開発、ロボット感情モデリングのAI開発にも取り組む。
(1992 - 2025)
- 高性能計算、量子機械学習、宇宙プラズマシミュレーションの研究を主導。
- 3D大域的粒子シミュレーション（PIC）の開発を実施。
- VRを活用した複雑な数学・物理現象の可視化に取り組む。
神戸大学
(1989 - 1992)
- 西日本の初期インターネットインフラの構築に携わる。
- スペースシャトルのプラズマ環境シミュレーションを実施。
スタンフォード大学 / NASAマーシャル宇宙飛行センター
NASAフェローシップ (1985 - 1989)
- スペースシャトル（STS-9, STS-45）でのSEPACビーム実験のデータ解析を担当。
- 超低周波（ELF）プラズマ振動の理論研究を実施。
---
海外での研究・共同プロジェクト
- NASA、ESA、JAXAとの共同研究に従事し、宇宙プラズマ・量子コンピューティング分野で国際的な成果を上げる。
- NASA MMS（磁気圏マルチスケールミッション）の磁場トポロジー研究を主導。
- 量子最適化アルゴリズムの開発、ロボット感情モデリングのAI開発にも取り組む。
University of Tsukuba
(1992 - 2025)
Led research in high-performance computing, quantum machine learning, and space plasma simulations.
Developed 3D global Particle-in-Cell (PIC) simulation codes.
Engaged in visualization of complex mathematical and physical phenomena using VR.
Kobe University
(1989 - 1992)
Contributed to the development of early internet infrastructure in western Japan.
Conducted space plasma environment simulations for the Space Shuttle.
Stanford University / NASA Marshall Space Flight Center
NASA Fellowship (1985 - 1989)
Responsible for data analysis of the SEPAC Beam Experiment on Spacelab-1 (STS-9, STS-45) aboard the Space Shuttle.
Conducted theoretical research on extremely low-frequency (ELF) plasma oscillations.
International Research & Collaborative Projects
Engaged in collaborative research with NASA, ESA, and JAXA, achieving significant international contributions in the fields of space plasma simulations and quantum computing.
Led magnetic field topology research for NASA's Magnetospheric Multiscale (MMS) Mission.
Worked on the development of quantum optimization algorithms and AI-driven emotion modeling for robotic applications.