| 授業名 | ビジネスのためのAI活用 |
|---|---|
| Course Title | Introduction to Statistical Causal Inference and Machine Learning |
| 担当教員 Instructor Name | 齋藤 崇治（Takaharu Saito） |
| コード Couse Code | NUC278_N23B |
| 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 |
| 科目区分 Course Category | 共通専門教育科目400系 / Specialized Subject 400 |
| 学位 Degree | BSc |
| 開講情報 Terms / Location | 2023 UG Nisshin Term4 |
授業の概要 Course Overview
Misson 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「R」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 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 統計ソフトRの基本的な扱い方を習得する
2 統計ソフトRの基本的な扱い方を習得する
1 Plan and implement data analysis
2 Learn the way to use a statistical software R
2 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
1 Knowledge to plan and implement data analysis
2 Knowledge to use a statistical software R
2 Knowledge to use a statistical software R
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 % |
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
学習は、授業の予習と、授業内課題の締め切りまでの提出から構成され、1回につき合計1時間程度を想定しています。特に、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。一部参考文献は図書館で読んでください。
(予習)
教科書の該当箇所を読むこと。余力があれば、参考文献などを参考に自分でコードを書いてみること。第一日は宋財泫、矢内勇生『私たちのR』(以下のリンク)を読み進められるところまで読み進めてください。
https://www.jaysong.net/RBook/aboutr.html
(授業内課題)
毎回指定します。
(予習)
教科書の該当箇所を読むこと。余力があれば、参考文献などを参考に自分でコードを書いてみること。第一日は宋財泫、矢内勇生『私たちのR』(以下のリンク)を読み進められるところまで読み進めてください。
https://www.jaysong.net/RBook/aboutr.html
(授業内課題)
毎回指定します。
授業スケジュール Course Schedule
第1日（Day1）
1 ガイダンス2 統計ソフトRの基本的な使い方
●使用するケース
なし第2日（Day2）
3 回帰分析実践4 回帰分析の前提・限界と統計的因果推論の基本1: 潜在的結果フレームワーク
●使用するケース
なし第3日（Day3）
5 回帰分析の前提・限界と統計的因果推論の基本2： 統計的因果推論の仮定6 統計的因果推論に関するケース
●使用するケース
統計的因果推論に関するケース1 (作成中)第4日（Day4）
7 統計的因果推論のための手法1 傾向スコア、マッチング8 統計的因果推論のための手法2 操作変数法
●使用するケース
なし第5日（Day5）
9 統計的因果推論のための手法3 回帰不連続デザイン10 統計的因果推論のまとめ
●使用するケース
統計的因果推論に関するケース2(作成中)第6日（Day6）
11 テキストを対象とした機械学習1 機械学習概論、ウェブスクレイピング、計量テクスト分析の基礎12 テキストを対象とした機械学習2 教師無し機械学習
●使用するケース
なし第7日（Day7）
13 テキストを対象とした機械学習3 教師あり機械学習14 機械学習まとめ
●使用するケース
機械学習に関するケース(作成中)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 | 20 % |
| クラス貢献度合計 Class Contribution Total | 20 % |
| 予習レポート Preparation Report | 0 % |
| 小テスト Quizzes / Tests | 60 % |
| 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 | 20 % |
| 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
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）
- Ng, Annalyn, and Kenneth Soo「数式なしでわかるデータサイエンス: ビッグデータ時代に必要なリテラシー」オーム社（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.
Grimmer, Justin, Margaret E. Roberts and Brandon M. Stewart (2022) Text as Data: A New Framework for Machine Learning and the Social Science. Princeton University Press.
James, Gareth, Daniela Witten, Trevor Hastie and Robert Tibshirani (2021) An Introduction to Statistical Learning. Springer. Second Edition.
Grimmer, Justin, Margaret E. Roberts and Brandon M. Stewart (2022) Text as Data: A New Framework for Machine Learning and the Social Science. Princeton University Press.
James, Gareth, Daniela Witten, Trevor Hastie and Robert Tibshirani (2021) An Introduction to Statistical Learning. Springer. Second Edition.
授業調査に対するコメント Comment on Course Evaluation
初年度担当科目
担当教員のプロフィール About the Instructor
名古屋商科大学専任講師。東京大学修士(法学)。主に、アメリカ大統領の政府内政治(対官僚)と政府間政治(対議会)を、計量分析の手法を用いて研究している。論文に、「危機における政策形成: 省庁間調整かホワイトハウス内調整か」『季刊行政管理研究』、「1960 年 –80 年代における大統領の 省庁間調整活用の変容」 『アメリカ太平洋研究』などがある。
Takaharu Saito is Assistant Professor at Nagoya University of Commerce and Business. Takaharu’s research studies the presidency and bureaucracy in advanced democracies with a specific focus on the United States and Japan. Recently, he studies how interagency coordination of federal agencies affects the president's control over bureaucracy in the U.S. Takaharu uses a broad range of methods in his research, including machine learning (natural language processing), causal inference and formal models.
（実務経験 Work experience）
2023年4月-現在. 名古屋商科大学専任講師
2022年10月-2023年3月. 東京大学大学院人文社会系研究科特任研究員
2019年4月-2022年9月. 日本学術振興会特別研究員(DC1)
2022年4月-2022年9月. 日本国際問題研究所若手客員研究員
2020年8月 - 2021年6月 University of California Berkeley Center for Japanese Studies 客員研究員
2022年10月-2023年3月. 東京大学大学院人文社会系研究科特任研究員
2019年4月-2022年9月. 日本学術振興会特別研究員(DC1)
2022年4月-2022年9月. 日本国際問題研究所若手客員研究員
2020年8月 - 2021年6月 University of California Berkeley Center for Japanese Studies 客員研究員
2023 - Curr. Assistant Professor at Nagoya University of Commerce and Business
2022 - 2023. Project Researcher at the University of Tokyo Graduate School for Humanities and Sociology
2019 - 2022 Research Fellow at Japan Society for Promotion of Science
2022 Young Visiting Fellow at Japan Institute of International Affairs
2020- 2021 Visiting Scholar at the University of California at Berkeley’s Center for Japanese Studies