シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2025/03/27 現在 |
|
開講科目名 ／Course |
ビジネスインテリジェンスＢ／Business IntelligenceＢ |
|---|---|
|
時間割コード ／Course Code |
S1408430_S1 |
|
開講所属 ／Course Offered by |
システム工学部／Faculty of Systems Engineering |
|
ターム・学期 ／Term・Semester |
2025年度／Academic Year 第4クォーター／4Q |
|
曜限 ／Day, Period |
木／Thu 3 |
|
開講区分 ／Semester offered |
第4クォーター／4Q |
|
単位数 ／Credits |
1.0 |
|
学年 ／Year |
3,4 |
|
主担当教員 ／Main Instructor |
満田 成紀／Naruki Mitsuda |
|
科目区分 ／Course Group |
_ |
|
授業形態 ／Lecture Form |
講義 |
|
教室 ／Classroom |
学術情報センター第３演習室（西５号館）／学術情報センター第３演習室（西５号館） |
|
開講形態 ／Course Format |
|
|
ディプロマポリシー情報 ／Diploma Policy |
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 満田 成紀／Naruki Mitsuda | 大学共通 |
|
授業の概要・ねらい ／Course Aims |
ビジネスインテリジェンスとは，企業活動によって得られる様々なデータを分析し，経営意思決定に活用する一連の活動のことである．この授業では，ビジネスインテリジェンスで利用されているデータ分析手法について，ビジネスの現場で応用するために必要な知識を学ぶとともに，実践的なデータ分析を行う． |
|---|---|
|
到達目標 ／Course Objectives |
ビジネスインテリジェンスで活用されるデータ分析手法について正しく理解し，具体的な事例データに対して，ビジネスシナリオに適した有用な分析ができる． |
|
成績評価の方法・基準 ／Grading Policies/Criteria |
課題への取り組み状況とレポートの内容によって総合的に判断する。 各回小レポート50%，期末レポート50% |
|
教科書 ／Textbook |
記載事項なし |
|
参考書・参考文献 ／Reference Book |
記載事項なし |
|
履修上の注意 ・メッセージ ／Notice for Students |
記載事項なし |
|
履修する上で必要な事項 ／Prerequisite |
授業の一部で各自のPCを利用した演習を行うので，毎回必ずPCを準備すること．PCを忘れた場合やバッテリー切れ等で作業ができない場合も配慮はしない． |
|
履修を推奨する関連科目 ／Related Courses |
ビジネスインテリジェンスA |
|
授業時間外学修についての指示 ／Instructions for studying outside class hours |
授業計画に沿った計30時間の授業時間外学修（予習・復習など）を行うことが必要である．このために出された課題は必ず取り組むこと．また，授業内容に関連する課題の調査・考察を含めた自主的学修を求める． |
|
その他連絡事項 ／Other messages |
記載事項なし |
|
授業理解を深める方法 ／How to deepen your understanding of classes |
この授業は，本学アクティブラーニング実施要項の以下の項目に該当する ④⑥⑦⑨ |
|
オフィスアワー ／Office Hours |
月曜1限 北1号館7階A714室 |
|
科目ナンバリング ／Course Numbering |
S62023J11101S306，K62021J11101P336 |
|
実務経験 ／Practical Experience |
有 |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考（担当） ／Notes |
|---|---|---|---|---|
| 1 | 1 | ビジネスインテリジェンスの概説 | ビジネスインテリジェンスにおける基本的な考え方の説明 | |
| 2 | 2 | BIツールの基本操作 | BIツールのインストールとデータの取り込み | |
| 3 | 3 | データ分析の基本手法 | データのフィルタリングや集計 | |
| 4 | 4 | データの可視化 | グラフやチャートの作成方法 | |
| 5 | 5 | 高度な分析手法 | 予測分析やクラスタリングを行う方法 | |
| 6 | 6 | 機械学習の基礎と実践 | 機械学習モデルを作成し，トレーニングする方法 | |
| 7 | 7 | ケーススタディ | ビジネスシナリオを使用したデータ分析 | |
| 8 | 8 | ビジネスインテリジェンスの実践に向けて | 各自のシナリオ設定とデータ分析の実践 |