2020年秋学期 - データ・ドリブン社会の創発と戦略（応用） / EMERGENCE OF DATA DRIVEN SOCIETY AND STRATEGY (ADVANCED)
|
X1040 データ・ドリブン社会の創発と戦略（応用） EMERGENCE OF DATA DRIVEN SOCIETY AND STRATEGY (ADVANCED) |
特設科目 Special Seminars 2 単位 |
| 実施形態 | 完全オンライン |
| 開催日程 | 秋学期 水曜日２時限 |
| 担当教員 | 安宅 和人（アタカ カズト） |
| 関連科目 |
前提科目（推奨）: X1038 |
| 開講場所 | SFC |
| 授業形態 | 講義、実習・演習、グループワーク、遠隔あり |
| 履修者制限 |
履修人数を制限する Only the selected students can take this course. |
| 履修条件 |
データ・ドリブン社会の創発と戦略（基礎編）の履修 Completion of the Basic course ( “Emergence and strategy of the data driven society") 本講義は、「データ・ドリブン社会の創発と戦略」（基礎編）で学ぶ知識を前提として講義を行うため、そちらを履修後の登録のみ受け付けます（基礎編との同時履修も受け入れません） First of all, please take this course after completing the “Emergence and strategy of the data driven society (Basic) “ which is the prerequisite subject. I do not accept simultaneous registration with the Basic course. |
| 使用言語 | 日本語 |
| 連絡先 | datadriven-staff@sfc.keio.ac.jp, ataka@sfc.keio.ac.jp （9/25更新） |
| 授業ホームページ | |
| 同一科目 | |
| 学生が利用する予定機材/ソフト等 |
Excel, MySQL, Javascript, Python（特に重要、、、履修前にある程度慣れておくことをオススメします）, PowerPoint(あると望ましい) Excel, MySQL, Javascript, Python |
| 設置学部・研究科 | 総合政策・環境情報学部 |
| 大学院プロジェクト名 | |
| 大学院プロジェクトサブメンバー | |
| ゲストスピーカーの人数 | 0 |
| 履修選抜・課題タイプ=テキスト登録可 | false |
| 履修選抜・選抜課題タイプ=ファイル登録可 | true |
| GIGAサティフィケート対象 | |
| 最終更新日 | 2020/09/25 09:18:13 |
科目概要
何らかの事業を起こすにしろ、会社に入るにしろここから先の時代においてデータドリブンな分析力、問題解決力、データ利活用に対する皮膚感覚的な理解は不可欠である。
本講座は分析的思考、データリテラシーの実戦的な基本素養（データドリブン基礎の内容を十分高く消化出来ていることを前提）はあるが、データ分析、データの利活用についてさして経験のあるわけではない人に対して、データの大切さと力、分析の楽しさを実感してもらうことを通じ、現代社会を生き抜くため最低限、基礎となるデータリテラシー、データで考える力を身につけてもらうことを目指す
本講座では自らデータ調整までおこない、機械学習の初歩に入る
★基礎編の履修者を対象に、基礎編で扱った内容を前提に行います（基礎編の内容はわからないという言い訳は一切ナシ。基礎編を聴講していただけの人は履修できません。）
★情報科学、ビッグデータ処理の専門家を育てる講座ではありません
自然言語処理
画像処理
機械学習
データ基盤構築
リアルタイム処理、など
■想定受講者
情報科学オタクというより、本当に世の中で分析、データ利活用で変化を起こしたい人たち。
この世界でデータや分析はどのように世の中に役に立っているのかを理解し、その基本的なスキルを身につけたいと思っている人たち
課題解決、意思決定と分析の関係について肌で感じ、学びたいと思っている人たち
これまで色々分析に取り組んでみたが、価値を生み出すポイントが良くわからない方々
■（参考）これまでの履修者の声（抜粋）
「春学期も是非聴講させていただこうと思っています。どうぞよろしくお願い致します。そして1年間ありがとうございました。最⾼の授業でした。
「安宅さんのgiverの姿勢で、僕は授業のコンテンツ以上にとても⼤きな⼈生のインパクトを受けました。⾃分たちが考えていることに対して、深い洞察でフィードバックを頂けたことは、学生生活この上ない幸せです。本当にありがとうございました。（略）僕だけに限らず、講義を受けて火がついた学⽣は多いはずです。
「安宅先生の様々な話からビジネスマンとしての⽣き様を学んだ。プロフェッショナルとしての⽣き方を体感でき、最高の時間を過ごすことができたと感じている。
「ICT産業から富が生まれるという確信を持てました。
「春学期に履修を開始してから、3年間の大学授業の中で間違いなく最も大変な授業でした。毎週毎週の課題は本当に大変で、夜中までかかることもしばしばでした。ただ、今になって思い返すと、自分で手を動かして苦労した経験が自分の血肉になって、身についたように思います。(略）この1年間、データドリブンの授業は自分にとってはなくてはならないものだったので、終わってしまうのは本当に悲しいです。
「1年間ありがとうございました！今回の授業の書籍化、映像化などを望んでいます！ぜひご検討ください。
「先学期の基礎編に続き、応用編もとても楽しかったです。5年後10年後に、わざわざ運転して遥々SFCまで行って講義してよかったなあ、と思ってもらえるように今後の人生頑張ります。
「データに対する心構えや扱いを教えてくださったことはもちろんですが、これからの人生をどう生きるか、さらには20代の若い間に何を成し遂げるかについて真剣に考える機会をくださったことこそがこの講座を受講してよかったなあ、と感じるところです。
「言葉で「ビッグデータ」「AI」と周りの人がよく使いますが、本当に奥深い分野だと改めて思いました。4年間sfcであらゆる授業を履修しましたが、データドリブンの授業は試行錯誤し、悩んだ分だけ多くのことを身につけられる授業だと思います。世の中の見方が変わりました。
「以前安宅さんが、この学期の学費はこの講座だけでペイします、と笑いながらおっしゃっていましたが、この学期どころじゃないと思います。sfcに入ってこの講座を受けていなければ、下手したら一生学べなかったかもしれないことにたくさん触れさせていただきました。（略）あの時に講義してよかったな、と思っていただけるように、世の中を面白い方向に変えていきたいです。
「1年を通してとても興味深いことばかりだったので、今後もデータを扱う分野に少しでも関わっていけるようなキャリアを築けるよう、勉学と就職活動に励んで参ります。 本当に有意義な時間を過ごすことができました。（略）毎回とても刺激的でした！後輩たちにも、履修することを強くお勧めしたいと思います。
Outline of this course
Whether you are going to do some kind of business or go into the company, data-driven analytical problem-solving skills and hands-on understanding of data utilization are essential in the days ahead.
This course aims to develop minimum data literacy to survive in this data-driven age for the students with a practical basic understanding of analytical thinking and data literacy (skills covered in the “Data-Driven” basic class), on the assumption that they do not have much experience in data analysis and utilization.
In this course, we will cover introductions to data preparation, data visualization, and machine learning including deep learning.
Classes will be conducted interactively as much as possible. We will invest a considerable amount of time for each homework review and answers to the questions received in a weekly questionnaire.
★ This course will be delivered to a student who completed the introductory Data-Driven class successfully (just audited students are not allowed).
★ This is not a course to nurture experts in information science and big data processing
- Natural language processing
- Image processing
- Machine learning
- Data infrastructure construction
- Real time processing, etc.
■Expected students
Those who really want to make a change by analyzing the data and utilizing the data rather than information science nerds.
People who want to understand how data and analysis are delivering the values in this world and who want to acquire basic skills on them.
People who want to get the feel of how the data can be used for general decision making.
People who have tried various analyzes so far, but who do not get the point of value creation using data.
授業シラバス
主題と目標／授業の手法など
■ 本講座の特徴
1）長年、多様なデータを用いたさまざまな分析に関わってきた立場から、実際の仕事や研究に役立つ分析力とは何かを実戦的に伝承する
2）情報科学技術以前の本質的なサイエンス、分析、問題解決の考え方に極力フォーカスする
3）知っているだけではなく分かる、分かるだけでなく出来るに注力する、、、アタマだけで知っていることを認めない
4）一方通行ではなく、できる限りインタラクティブに実施する
5）ログデータ、市場リサーチデータを垣根なく対象とする
6）自然言語処理、機械学習について徹底的に学ぶのではなく、これらがどのようなものかを肌で理解できる程度のスピードで駆け抜ける（通常の数倍速）
7）普通には外に出ることがないヤフーのデータを利活用する
★ツール系のスキルを教える講座ではありません
必要ツールがある程度使えることを前提に講義を進めます。どのようなツールを使うかは各自学生に任せます
最低限のツールスキルは５限の補講で対応します。必要なひとは自発的な参加。参加しない場合はできると見なします（資料・ビデオは履修者限定で展開しますのでコンフリクトがある場合、そちらを参照可能です）
ただ純粋にツールスキルを身に着けたい方は本講座ではなく別の講座を履修して下さい
■ 期待成果
・データって面白い、分析はスゴイ、と知る
・サイエンスおよび分析的思考、データリテラシーの実戦的な基本を身につける
・データ取得と高次分析を理解する
・上に加え、機械学習で人間が楽にできる、データが有ればみえないなにかがつかめることを理解する
■ Features of this course
1) Focus on the practical analytical skill for actual business
2) Focus on scientific thinking rather than informatics
3) Focus on execution rather than lectures
4) Perform interactive as much as possible, not one way
5) Treat both log data and market research data
6) Rather than learning thoroughly about natural language processing and machine learning, we run through to get the hang of them
7) Use the data of Yahoo! JAPAN which does not go out normally
★ (Note) This is not a course to teach tool skills. If you only want purely tool skills, please take another course instead
I will proceed the lectures on the premise that students are familiar with the necessary tools to some extent. I will leave the students to decide what tools to use
Minimum tool skills (Excel, SQL) are supported by supplements. If you do not participate those supplements, you are considered to be able to use those tools.
If you only want to acquire purely tool skills, please take another course instead.
■ Expected outcome
Learns the power and fun of data
Acquire the practical basis of science and data-driven thinking
Getting familiar with data acquisition and higher analyses
Becoming able to get the some implications when encounters with a data related news
In addition to above, learns the benefit of machine learning to process a certain data
教材・参考文献
授業の進捗にそって適宜紹介する
提出課題・試験・成績評価の方法など
出席、ワークを真面目にやっている限り単位は確実です
・ワーク（宿題+毎回のアンケート）
- 提出、、、加点（未提出、、、減点）
- できが良い、面白い、、、更に加点
・講義、チームへの貢献を評価します（以下を加点）
- 建設的な質問
- 積極的、建設的な発言
- リーダーシップ、フォロワーシップ
■ Units
Attendance, submission of home-works (almost every week), and contributions to the class
- constructive questions
- positive, constructive remarks
- Leadership, Followership
履修上の注意
★基礎編の単位取得者もしくは大学院生を対象とする
★クラスの性質上50~60名を上限とする
Some notes
★ Students are expected to complete Basic Data-Driven course beforehand (if not graduate students). No concurrent enrollment accepted.
★ Maximum enrollment is 50 ~ 60 due to the nature of the class
授業計画
第1回 概論 / 調査設計初級（定性 & 属性だし）
[Overview /Introduction to survey design]
本講義の立ち位置を説明
調査設計のおさらい
属性だし入門
第2回 セグメンテーション& value proposition
[Segmentation and value proposition]
value propositionとは
第3回 大量データ成型
[Introduction to large data preparation]
データ整形入門
第4回 形態素解析と共起ネットワーク
[Introduction to text-data handling]
形態素解析入門
★JavaScript補講
第5回 大量データ成型
[Introduction to data visualization]
大量データ可視化ライブラリ
★Python補講
第6回 機械学習初歩（分類、予測など）
[Introduction to machine learning 1]
基礎概念、、、教師アリ、ナシ
Liblinear（線形ライブラリ）python
第7回 機械学習初歩２ （テキスト分類, 強化学習）
[Introduction to machine learning 2]
同上
第8回 深層学習入門1（クラスの延長として補講を実施します）
[Introduction to deep learning 1]
Python, Numpy/Scipy
第9回 深層学習入門2（クラスの延長として補講を実施します）
[Introduction to deep learning 2]
同上
第10回 深層学習入門３（クラスの延長として補講を実施します）
[Introduction to deep learning ３]
同上
第11回 深層学習入門4（クラスの延長として補講を実施します）
[Introduction to deep learning 4]
同上
第12回 セキュリティとプライバシー （暫定）
[Security and Privacy]
知性の核心についての考察についてになる可能性あり
第13回 Programming & Python 入門
[Introduction to programming and python]
文法
library の使い方
（機械学習初歩の講義のあとの３限に実施します。後日視聴可）
第14回 深層学習入門1,2の補講
[supplementary class of deep learning basics 1 and 2]
深層学習初歩１，２の講義のあとの３限に実施します。後日視聴可
第15回 深層学習入門3,4の補講
[supplementary class of deep learning basics 3 and 4]
深層学習初歩3,4の講義のあとの３限に実施します。後日視聴可
15回目に相当するその他の授業計画
レポート
paper submission