基本情報/Basic Information

開講科目名 ／Course	システムズ・エンジニアリングb／SYSTEMS ENGINEERING(B)
ナンバリングコード ／Numbering Code	22-3028
開講所属 ／Course Offered by	経済学部経営学科／ECONOMICS MANAGEMENT
ターム・学期 ／Term・Semester	2025年度／2025 Academic Year　　秋学期／FALL SEMESTER
曜限 ／Day, Period	月2／Mon 2
開講区分 ／semester offered	秋学期／Fall
単位数 ／Credits	2.0
学年 ／Year	3,4
主担当教員 ／Main Instructor	広瀬　啓雄
遠隔授業科目 ／Online Course	－

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	経営・経済や社会において，企業機密の漏洩や温暖化あるいは非正規雇用労働者の増加や成果主義への移行など、さまざまな現象が現れている。このような問題を解決す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。 また，IoTにより多種多様なデータが収集可能となり，これまでの統計的なアプローチだけでなく，機械学習や人工知能の技術を応用したデータから意思決定する場面も多く見られる。 この授業の前期では，このような時代でシステム構築をするための，ハードウェア・ソフトウェアの基礎知識，ソフトウェア工学の基礎を学び，経営情報システムを構築する手順とマネジメントする方法論を取得することを目的とする。後期は，これからツールとして当たり前に普及するであろう機械学習やAIの基礎知識を習得し，実際にデータ分析ができるスキルと知識を身につける。 また，この授業では，学科専門科目としてコンピュータで処理される情報の原理および情報を扱う人間社会を理解し，社会にあふれる膨大なデータから意味のある情報を取り出して，必要となる内容をプログラミング，データベース，Web サイト，機械学習を活用して集約することにより問題解決につなげる能力を身に付けることを最終目標とする。 本授業を受講することにより，卒業後にシスエムエンジニア，プログラマ，システムインテグレータなどの業務の素養を身につけることができる。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	前期は独自のe-Learningシステムにアップされたテキストを学習し，自動採点機能の練習問題を解く方式で，知識習得を中心に学習する。授業終了後に行う練習問題の正解率は，レポートの点として計算する。 プログラミング開発は，Google Colabolatoryを使う。Windows，Macを問わず，インターネットに接続できる環境であれば，PCでを使い自宅からでも学習可能である。 もし，Zoomによる遠隔授業となる場合は，授業中に動画＆PPTによる学習をして，その学習が終了後に，各自，練習問題の取り組む。授業の様子は，復習で利用できるように動画として保存し，Manabaにアップする。 PC演習室で授業を行うが，PCやタブレット，スマートホンなどを使い自宅において事前学習およびレポートの提出をする。Webベースの教材なので，インターネット・ブラウザをつかって学習する。プログラミング言語Pythonの実習では，Google Colabを使うためGoogleアカウントの登録が必要である。すでに持っている学生はあたらに登録するつようなし。 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。 プログラミングなどしたことがない学生でも初歩的なところから解説するが，システム・エンジニアリングaを履修していることを前提として授業を行う。
事前・事後学修の内容 ／Before After Study	授業終了時に，次回の授業の学習目的と概要が提示される。次回授業までに，授業準備としてManabaにアップされた動画またPPTによる資料をつかって事前学習をしてくる(2時間)。事後学習として，授業中に指示されたレポート作成に取り組む(2時間)。 授業後はノートを整理する。授業で学習した用語などは他者に説明できるようになるまで調べ，自分の言葉でまとめる。
テキスト1 ／Textbooks1	書籍名 ／Title 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 天笠美知夫・崔冬梅著 出版社/URL ／Publisher 創成社 ISBN ／ISBN 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	授業ごとのレポート50％、期末試験または期末のレポート50％。 この授業の目指す難易度は，Pythonで簡単なデータ処理をして，その結果をグラフ表示する。学習した，線形モデルで教師あり回帰モデルをつかって機械学習によりデータを予測するプログラム，ロジスティック回帰モデルを使った機械学習により識別予測をするプログラム，mnistを例題としたDeep Learningで，ハイパーパラメータのチューニングができるレベルを想定している。
関連科目 ／Related Subjects	システム・エンジニアリングaを履修していることを前提として授業を行う。
備考 ／Notes	特になし
到達目標 ／Learning Goal	経営システムに関する専門知識を習得し、経済や企業に関する諸問題を数理的に分析のうえ、解決策を提示できるようにする。
DPとの関連 ／Relation to DP	△:幅広い教養 △:経営分野での専門的知識 ○:情報分野における専門的知識

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	ガイダンス 人工知能と機械学習	学習内容の説明 人工知能と機械学習の概要説明	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
2	Pythonプログラミングの基礎(1)基本文法	Python基本文法 データの型	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
3	Pythonプログラミングの基礎(2)データ構造	データ構造 list構造	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
4	Pythonプログラミングの基礎(3)条件分岐分	制御文 条件分岐 if文	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
5	Pythonプログラミングの基礎(4)for文	制御文 繰り返し処理 for文	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
6	Pythonプログラミングの基礎(5)while文	制御文 繰り返し処理 while文	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
7	Pythonでデータ分析(1)基本統計量の計算	基本統計量の計算	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
8	Pythonでデータ分析(2)PDFとグラフ表示	確率分布関数 データのグラフ化(確率分布)	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
9	Pythonでデータ分析(3)相関に関して	相関係数と回帰分析 散布図	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
10	Pythonでデータ分析(4)平均値とばらつき	平均値の検定 箱ひげ図	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
11	機械学習(1) 決定木アルゴリズム	決定木アルゴリズムと分析事例学習	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
12	機械学習 (2)ナイーブベイズ	ナイーブベイズのアルゴリズムと分析事例学習	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
13	機械学習 (3)ベイジアンネットワーク	ベイジアンネットワークのアルゴリズムと分析事例学習	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)
14	人工知能 (1)ニューラルネットワーク	ニューラルネットワーク分析と分析事例学習	(事後学習)e-Learningシステムで課題を提示するので，次週までに提出(120分程度)