シラバス参照／View Syllabus
|
シラバス参照／View Syllabus
|
| 科目一覧へ戻る／Return to the Course List | 2021/03/25 現在／As of 2021/03/25 |
|
開講科目名 ／Course |
管理工学研究（システムズ・エンジニアリング論）／MANAGEMENT SCIENCE AND ENGINEERING（SYSTEMS ENGINEERING） |
|---|---|
|
開講所属 ／Course Offered by |
大学院／ |
|
ターム・学期 ／Term・Semester |
2021年度／2021 Academic Year 春学期／SPRING SEMESTER |
|
曜限 ／Day, Period |
月3／Mon 3 |
|
開講区分 ／semester offered |
通年／Yearlong |
|
単位数 ／Credits |
4.0 |
|
主担当教員 ／Main Instructor |
広瀬 啓雄 |
|
科目区分 ／Course Group |
大学院科目 講義科目 |
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 広瀬 啓雄 | 経営学科／MANAGEMENT |
|
授業の目的・内容 ／Course Objectives |
ITの時代、エコの時代あるいは知識社会やグローバル社会といわれる今日、企業機密や個人情報の漏洩、経済格差、地球温暖化や非正規雇用労働者の増加あるいは成果主義への移行など、さまざまな現象が現れている。 このような現象の本質を把握するためには、現象をひとつの問題として認識し、その本質を明らかにし、問題解決に導くことは大変重要なことである。このような問題解決を図るためのひとつのアプローチとして、システム論的なアプローチとそれを支援する方法論がある。 第１部(春学期)では、企業経営における問題を解決するための基礎となる、問題の本質を把握するためのシステム認識プロセスやグラフ理論を基礎とした認識方法、ならびに問題の定義とシステム分類を示し，多種太陽な情報処理システムの基本的な原理を習得する。 第2 部(秋学期)では，機械学習と人工知能の基本的な原理を習得するために，実際にPCをつかいプログラミング言語の習得，機械学習や人工知能で具体的事象の予測ができることを目的として学習を進める。 |
||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course |
第1部(前期)では、まずは，情報処理システムの基本原理を習得する。次に，実際のテーマを設定し、PHP & MySQL（開発環境はEclipse）によるWebベースのシステム構築により実践する演習も含む。 第2部(後期)では，ビッグデータを分析する手法として機械学習や人工知能の基礎知識を学習し，Pythonにより実データの分析する演習も含む。 キーワード：機械学習，人工知能，意思決定と不確実性、予測法、統計的システムモデリング、システムと情報などが主題となる。 |
||||||||||
|
事前・事後学修の内容 ／Before After Study |
事前学習と事後学習の内容は，担当者が運用しているe—Learningサーバにアップしている。授業の都度，事前学習・事後学習を自主的に行うこと。特別な次子が必要な場合は，e—Learningサーバの掲示板で指示する。 | ||||||||||
|
テキスト1 ／Textbooks1 |
|
||||||||||
|
テキスト2 ／Textbooks2 |
|
||||||||||
|
テキスト3 ／Textbooks3 |
|
||||||||||
|
参考文献等1 ／References1 |
|
||||||||||
|
参考文献等2 ／References2 |
|
||||||||||
|
参考文献等3 ／References3 |
|
||||||||||
|
評価方法 ／Evaluation |
試験による評価7割，レポート提出による評価3割で評価する。 | ||||||||||
|
備考 ／Notes |
テキスト・参考文献：天笠、崔 『経営システム的考え方』創成社(2009) | ||||||||||
|
関連科目 ／Related Subjects |
特になし | ||||||||||
|
到達目標 ／Learning Goal |
管理工学についての修士レベルの知識を修得し，管理工学に関連する諸問題を分析できるようにする． |
| 回 ／Time |
授業計画（主題の設定） ／Class schedule |
授業の内容 ／Contents of class |
事前・事後学修の内容 ／Before After Study |
|---|---|---|---|
| 1 | 1. オリエンテーション：受講者の確認・決定 年間予定、授業方法等の注意事項についての説明 | 学習支援システム(LMS)の説明，授業概要 | 特になし |
| 2 | コンピュータの基本原理(1) | 情報の内部表現 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 3 | コンピュータの基本原理(2) | OSの構成，目的，機能 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 4 | コンピュータの基本原理(3) | 言語プロセッサの分類，仕組み | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 5 | コンピュータの基本原理(4) | 情報処理システムの形態，プラットフォーム | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 6 | コンピュータの基本原理(5) | コンピュータのアーキテクチャ | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 7 | コンピュータの基本原理(6) | ビッグデータを支えるストレージシステム | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 8 | システム開発手法(1) | 要求分析 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 9 | システム開発手法(2) | 設計手法 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 10 | システム開発手法(3) | コーディング・検査の手法 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 11 | システム開発手法(4) | 様々な開発モデル | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 12 | 情報処理システムのマネジメント(1) | サービスマネジメントとシステム監査 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 13 | 情報処理システムのマネジメント(2) | 情報システムのセキュリティ | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 14 | 情報処理システムのマネジメント(3) | 情報処理システム開発のプロジェクトマネジメント | 事前学習:これまでの総復習 事後学習:特になし |
| 15 | 人工知能概論 | 人工知能の基本的事項について説明 システム開発のための環境構築 |
特になし |
| 16 | Pythonプログラミング(1) | Google Colabolatoryの基本操作 Pythonの基本 |
事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 17 | Pythonプログラミング(2) | 様々なデータ構造の取り扱い | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 18 | Pythonプログラミング(3) | モジュールの使い方 Numpy |
事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 19 | Pythonプログラミング(4) | モジュールの使い方 Pandas |
事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 20 | Pythonプログラミング(5) | データの見えるか(グラフ) | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 21 | 機械学習(1) | 決定木による予測 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 22 | 機械学習(2) | ベイジアンネットワークによる予測 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 23 | 機械学習(3) | ナイーブベイスによる予測 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 24 | ニューラルネットワーク(1) | 基本的な仕組み | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 25 | ニューラルネットワーク(2) | CNNによる予測 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 26 | 深層学習(1) | 基本的な仕組み | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 27 | 深層学習(2) | Deep Learningによる予測 | 事前学習:特になし 事後学習:学習内容復習他のための課題を授業中またはLMSで指示 |
| 28 | 全体の総括 | まとめ，ディスカッション | 事前学習:これまでの総復習 事後学習:特になし |