シラバス参照/View Syllabus

授業情報/Class Information

科目一覧へ戻る/Return to the Course List 2023/03/22 現在/As of 2023/03/22

基本情報/Basic Information

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
2023年度/2023 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

担当教員情報/Instructor Information

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,多種多様な情報処理システムの基本的な原理を習得する。とくに,現在主流となっているWebシステムの実装を事例として深く学習する。
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。
PCをつかって実際に開発するので,ノートPCがあると自宅でも学習できる。ノートPCがない場合は,大学の実習室で学習する。
提出されたレポートに関しては,特徴的な意見を集約し,次回の授業においてコメント・補足的な解説を行う。
事前・事後学修の内容
/Before After Study
授業の都度,課題や学習するための資料をmanabaにアップするので事前学習(2時間)・事後学習(2時間)を自主的に行うこと。特別な学習が必要な場合や連絡はmanabaの掲示板と電子メールで指示する。
テキスト1
/Textbooks1
書籍名
/Title
自作テキストにより進める。必要に応じて,Manabaにアップロードし,さらに授業中に指定する。
著者
/Author name
出版社
/Publisher
ISBN
/ISBN
その他(任意)
/other
テキスト2
/Textbooks2
書籍名
/Title
著者
/Author name
出版社
/Publisher
ISBN
/ISBN
その他(任意)
/other
テキスト3
/Textbooks3
書籍名
/Title
著者
/Author name
出版社
/Publisher
ISBN
/ISBN
その他(任意)
/other
参考文献等1
/References1
書籍名/サイト名
/Title
経営システム的考え方
著者
/Author name
天笠、崔
出版社/URL
/Publisher
創成社
ISBN
/ISBN
2009
その他(任意)
/other
参考文献等2
/References2
書籍名/サイト名
/Title
著者
/Author name
出版社/URL
/Publisher
ISBN
/ISBN
その他(任意)
/other
参考文献等3
/References3
書籍名/サイト名
/Title
著者
/Author name
出版社/URL
/Publisher
ISBN
/ISBN
その他(任意)
/other
評価方法
/Evaluation
期末試験または期末レポートによる評価4割,毎回の授業で課されるレポートによる評価6割で評価する。
備考
/Notes
ノートPCがあると自宅でも学習できる。Dockerにより開発環境を構築するので,OSは問わない。
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.

/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 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(2時間程度)
2 コンピュータの基本原理 情報の内部表現,OS,コンピュータアキーテクなど 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(2時間程度)
3 システム開発手法~開発手順と開発モデル~ 要求分析,設計,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(2時間程度)
4 システム開発手法~サービスマネジメントとセキュリティマネジメント~ 情報システムの運用とセキュリティマネジメント 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(2時間程度)
5 システム開発手法~プロジェクトマネジメント~ PMBOKによるプロジェクトマネジメント手法 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(2時間程度)
6 Linuxシステム Linuxに仕組みとプログラム開発のための基本コマンド 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(2時間程度)
7 Dockerによる開発環境 Dockerの仕組みと開発環境構築手法 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(2時間程度)
8 Webシステム WebサーバApacheの仕組みと基本設定 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(2時間程度)
9 Webプログラミング(1)
~PHPの基本コマンド~
PHPの基本構文 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(2時間程度)
10 Webプログラミング(2)
~HTML Form~
POST,GETメソッドによるForm変数の受け渡し 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(2時間程度)
11 Webプログラミング(3)
~セッション変数~
セション変数の仕組み,ログインシステムの実装 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(2時間程度)
12 Webプログラミング(4)
~DBシステムの基本~
SQLコマンドとDB(Database)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(2時間程度)
13 Webプログラミング(5)
~DBと連携したシステム構築~
DBと連携したWeb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(2時間程度)
14 前期の統括 コンピュータシステムの基礎知識,システム開発手法,Webシステムに関する総括 事前学習:これまでの総復習(2時間程度)
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
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
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(2時間程度)
事後学習:特になし

科目一覧へ戻る/Return to the Course List