データサイエンス『実践コース』 | データ関連人材育成関西地区コンソーシアム

開講時期: 2021年9月4日 ~ 2021年9月18日
概要: 【内容】　講義主担当：バリューオンライン株式会社　代表取締役野口隆治　講義副担当：大阪大学教授鈴木讓本講義は、競馬の予想を楽しみながら、機械学習、深層学習のスキルを身につけていただく趣旨のものです。機械学習は、理論を勉強する方法もありますが、現実の応用を通して実践力をつけることが必要です。プログラミング経験(R,Python,Cなど)が少しでもあれば受講可能で、上級者でも楽しめるように工夫しています。競馬ファンは、現実派とロマン派に大別されます。収益はあきらめて、ギャンブルを楽しむ人間と、人生をかけて必勝法を模索する人間とです。それぞれのギャンブラーが競馬を楽しむことを想定して下記の課題を用意しました。課題A(機械学習) 勾配Boostingを用いて、どのパラメータの設定が回収率に影響を与えるか。課題B(深層学習)　深層学習を設計するにあたって、回収率を最大限に高めるためにはどうしたらよいか。競馬データは、JRAのデータを用意します。また、サンプルプログラムを用意します。【本講座の対象者】　統計学または機械学習について大学の教養課程水準の知識と、　Python、Rなどでデータセットを扱った経験を有し、以下のいずれかに該当する方　・進路としてデータサイエンティストをお考えの方　・機械学習、深層学習に興味があり、可能性を追求したい方。 (同業他社は、お断りします) 【教材】2021年8月23（月）配付予定(実施内容は予告なく変更する場合あり) 　第1回：2021年9月4日（土）　　13:00-14:30 競馬の面白さ、課題A,Bの説明、競馬データについて (野口、鈴木) 　　14:40-16:10　機械学習・深層学習、Python・Pytorchの概要 (鈴木) 　第2回：2021年9月11日（土）　　13:00-14:30　Python、Pytorchのサンプルのソースプログラムの解説 (鈴木) 　　14:40-16:10　中間報告　　16:20-17:50　質疑応答　　第3回：2021年9月18日（土）　　13:00-14:30　最終報告(1) 　　14:40-16:10　最終報告(2) 　　16:20-17:50　最終報告(3)

インターンシップ

データサイエンス　インターンシップⅠ受付中

大阪大学

e-Learning

＋

開講時期: 2021年4月1日 ~
概要

＋

開講時期: 2021年9月2日 ~ 2021年9月6日
概要: 神戸市等の地方自治体から、実際の課題と関連する可能性のあるデータの提供を受け、データ解析・分析による課題の設定と解決を目指したグループワークによるPBL（Project Based Learning)を実施する。教員によるチュータリングを行うとともに、PCおよびExcel、R、Python等も随時活用し、データ分析、解析能力も同時に涵養する。＜授業計画＞ 2021年9月2日（木）：講義１(13:20--14:50)：　地方自治体におけるいくつかの課題とデータリストの提供講義２(15:10--16:40)：　課題解決の為のデータ解析の手法について 2021年9月３日（金）：講義３(13:20--14:50)：課題設定とデータの検討・データ解析の手法の検討（チュータリング）講義４(15:10--16:40)：データ収集・統合・前処理とデータ解析の準備（チュータリング）講義５(17:00--18:30)：データ解析の実施と検討 2021年9月6日（月）：講義６(13:20--14:50)：　データ分析と課題解決案策定の為のディスカッション　１講義７(15:10--16:40)：　データ分析と課題解決案策定の為のディスカッション　２講義８(17:00--18:30)：　課題解決案のプレゼンテーションとコンペティション、まとめ、評価

＋

開講時期: 2021年9月9日 ~ 2021年9月13日
概要: 兵庫県等の地方自治体から、実際の課題と関連する可能性のあるデータの提供を受け、データ解析・分析による課題の設定と解決を目指したグループワークによるPBL（Project　Based Learning)を実施する。　教員によるチュータリングを行うとともに、PCおよびExcel、R、Python等も随時活用し、データ分析、解析能力も同時に涵養する。　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　＜授業計画＞ 2021年9月9日（木）：講義１（13:20--14:50)：　地方自治体におけるいくつかの課題とデータリストの提供講義２ (15:10--16:40)：　課題解決の為のデータ解析の手法について（実務家教員） 2021年9月10日（金）：講義３ (13:20--14:50)：　課題設定とデータの検討・データ解析の手法の検討（チュータリング）講義４ (15:10--16:40)：　データ収集・統合・前処理とデータ解析の準備（チュータリング）講義５ (17:00--18:30)：　データ解析の実施と検討 2021年9月13日（月）：講義６ (13:20--14:50)：　データ分析と課題解決案策定の為のディスカッション　１講義７ (15:10--16:40)：　データ分析と課題解決案策定の為のディスカッション　２講義８ (17:00--18:30)：　課題解決案のプレゼンテーションとコンペティション、まとめ、評価

＋

開講時期: 2021年12月21日 ~ 2021年12月23日
概要: 現在進行中の第4次産業革命においては、IoT、AI（人工知能）、ビッグデータの利用が鍵となり、データサイエンスが新しい学問分野を生み出し、様々なビジネスへの活用も進みつつある。この授業では、人工知能技術のユーザ側の企業と、技術提供企業（シーズ側企業）の事例報告を基に、データサイエンスの実質的応用について課題解決型ワークショップを行う。 2021/12/21（火）３時限目オリエンテーション AI技術活用のためのマーケティング思考（講義＋ケーススタディ）４時限目新たなAIを考える① 生活者心理（インサイト）を理解する（グループワーク）５時限目新たなAIを考える② アイデアを発想し具現化する（グループワーク） 2021/12/22(水）２時限目事例解説、PBLワークショップ（AI技術社会実装シナリオ１）３時限目 PBLワークショップ（AI技術社会実装シナリオ２）４時限目まとめ 2021/12/23(木）３時限目 AI技術・AIツール４時限目企業でのAI活用事例

PBL

データサイエンスコンテスト型PBL実習受付中

神戸大学

演習

＋

開講時期: 2022年1月1日 ~ 2022年2月28日
概要: 集中講義形式でデータサイエンスコンテストを活用したPBL実習を行う。 1日目　2限目　Jupyter Notebookの使い方　3限目　データの扱い・可視化　4限目　分類問題・回帰問題　5限目　データの前処理・コンテストの説明 2日目　5限目　チュートリアル・セミナー 3日目　5限目　チュートリアル・セミナー 4日目　3・4限目　コンテストの結果発表・振り返り ◎コンテスト課題への取り組みは1～4日目までの期間（1ヶ月程度）で随時実施すること。

PBL

オープンイノベーションWS「金融ビジネスと情報システム工学」受付中

神戸大学

演習

＋

開講時期: 2022年2月14日 ~ 2022年2月15日
概要: 現代の金融ビジネスでは、ITがベースとなっており、ITの理解なしにはビジネスや社会を動かす事はできない。この特別講義では、アルゴリズム・データ構造、サイバーセキュリテイ、情報通信ネットワークなどの情報システム工学の基礎技術が実際の金融ビジネスの中でどのように活用されており、深い関係を持っているかを体験するグループワークによるPBL(Project Based Learning) を行う。日程は、2022年2月14日-15日を予定。 1日目 2限目　ガイダンス、アルゴリズムとデータ構造 3～5限目　企業におけるシステム開発の全体と業務フロー設計 2日目 2限目　人工知能概説 3限目　メガ金融グループにおける人工知能の活用事例紹介 4・5限目　人工知能アイデアソン、振り返り・表彰

＋

開講時期: 2021年7月27日 ~ 2021年9月28日
概要: 情報科学、バイオサイエンス、物質科学に関わるデータ駆動型科学の最先端の基礎的な知識とスキルを身につけること、および、データサイエンスの手法を他分野での応用に活かすため、専門の異なる研究者・技術者が協力して融合分野を開拓する際に必要となる異分野間コミュニケーションの能力や挑戦性・総合性を育成することを目的とする。

PBL

ビジネス価値創出のためのデータ分析実践講義終了

大阪大学

演習

＋

開講時期: 2021年7月3日 ~ 2021年7月10日
概要: 【内容】　講義主担当：株式会社日立システムズデータサイエンティスト板井光輝　本講義では、はじめに「データサイエンス実践入門」として、　データサイエンティストの標準的な職種、役割および実務でのポイントを　お伝えします。　必要な知識と仕事内容のイメージが掴めると思います。　演習では実際の実務に近い内容の模擬案件2種から希望の課題を選択いただきます。　統計・機械学習技法を用いたデータ分析を行う中で、　分析の実践レベルと課題事項をご自身で自覚し、　今後の学びの方向性を明確化いただくことを主眼に置いています。　・第1回終了後から第2回前日までの期間：個人ワーク（目安所要時間：3時間）予定　・第2回：成果発表(※)予定　　※グループ単位（運営側で編成）で結果をパワーポイントにまとめ、発表。　　　発表時間：3～5分程度/グループ【本講座の対象者】　統計学または機械学習について大学の教養課程水準の知識と、　エクセル、Python、Rなどでデータセットを扱った経験を有し、以下のいずれかに該当する方　・進路としてデータサイエンティストをお考えの方　・統計、機械学習技法を用いたデータ利活用の考えに興味がある方【教材】2021年6月28（月）配付予定(実施内容は予告なく変更する場合あり) 　第1回：2021年7月3日（土）　　10:00-11:30　データサイエンス実践入門　　11:30-14:30　演習課題の説明と課題選択、内容理解（内12:00-13:00は昼休憩）　　14:30-15:00　全体の質疑応答・注意事項説明　第2回：2021年7月10日（土）　　10:00-11:00　成果報告準備　　11:00-13:30　成果報告会（内12:00-13:00は昼休憩）　　13:30-15:00　解説・考え方のポイント講座、全体質疑応答　　休憩は「成果報告会」を除き、各回で適宜取っていただいて結構です。

＋

開講時期: 2021年5月8日 ~
概要: 5月8日は、課題提示、前回の進捗報告、討論、方針の決定、役割分担、次回予定設定の順番とします。(開始14：00、終了17：00）その他詳細は決定次第掲載いたします。

＋

開講時期: 2021年8月23日 ~ 2021年8月27日
概要: 店舗経営において重要な問題となるのが在庫管理である．商品が売れ残ると管理コストが増加し，在庫不足になると販売機会を喪失する．本講義では，データマイニングの手法の講義，分析手法の講義，流通業界に関する講義を行ったあと，実際のPOSデータを利用し，様々な販売ロスの削減に挑戦する．例えば，売上と天候気温の相関，重点的にロスが出やすいカテゴリ，廃棄傾向が高まる価格帯，チャンスロス可能性の製造商品，調査店舗間でのロス傾向の差異など，多種のデータが含まれる膨大なPOSデータから，問題点を探し，その解決策を探る．企業担当者も交えた発表会および企業担当者との議論なども予定している．

＋

開講時期: 2021年9月27日 ~ 2021年9月30日
概要: 多くの地方企業は，社会環境の大きな変化への対応に迫られている．具体的には，高齢化，出生率の減少，雇用の多様化，若者の県外への流出，中心街の空洞化等などがある．しかし，外国人観光客の増加，大阪万博開催という，大きなチャンスもある．但し，問題解決のため，やみくもに行動をおこしても，周りの理解が得られず，根拠不十分のために，具体的な行動に結びつかない．また，何らかの企画を実施するには，ある程度の根拠の提示が重要となる．本講義では，銀行業に関わるデータを対象として，データマイニングの手法の講義，分析手法の講義を行った後，銀行業のいくつか問題について具体的に考え，仮説を立て必要なデータについて検討する．また，データをもとに，可視化を行い仮説の検証を行う．その結果をもとに問題の解決策を探る．銀行担当者も交えた発表会および銀行担当者との議論なども予定している．

＋

開講時期: 2021年4月7日 ~
概要

＋

開講時期: 2021年4月7日 ~
概要

修了要件

構成科目

注意事項