授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
計算科学演習A
|
(英 訳) | Exercise on Computational Science A | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||
(群) | 院横断 | ||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||
(使用言語) | 日本語 | ||||||||||||
(旧群) | |||||||||||||
(単位数) | 1 単位 | ||||||||||||
(時間数) | 30 時間 | ||||||||||||
(週コマ数) | 1 コマ | ||||||||||||
(授業形態) | 演習 | ||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||
(配当学年) | 大学院生 | ||||||||||||
(対象学生) | 理系向 | ||||||||||||
(曜時限) | 集中 9月10日(火)〜9月12日(木)各日1〜5限 |
||||||||||||
(教室) | 情報メ地下講義室 | ||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的) | 本授業の目的は、大規模データに対する統計処理を通じて、高速な逐次計算プログラムを作成する技法と並列計算の初歩を学ぶことである。 その目的を達成するために、本授業では、予測を行うための典型的な手法である回帰分析を行うC言語のプログラムを3種類作成する。1つは逐次計算のプログラム、1つはOpenMPを用いた並列計算のプログラム、もう1つはMPIを用いた並列計算のプログラムである。演習に先立ち、コンピュータを用いて計算を行う数値計算についての基本的な知識や、行列・線形代数の知識、回帰分析の知識、および、並列計算を行うためのOpenMPとMPIについてなど、演習に必要な事項について講義する。 【大学院横断型教育の概要・目的】 具体的な題材を課題とした演習により、計算科学・並列計算の技法を実践的に学ぶことができ、学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||||
(到達目標) | 高速なプログラムを作成する技法を理解し、OpenMPおよびMPIを用いて並列計算を行うプログラムを作成できるようになること。 | ||||||||||||
(授業計画と内容) | 全15回の授業の予定は以下の通りである。 ・数値計算と計算科学(1回) 二分法やガウスの消去法を例に計算機で計算する方法について講義する ・線形代数(1回) 回帰分析を行うのに必要なグラム・シュミットの正規直交化法とQR分解、および、分散メモリの並列計算でQR分解を行うAll Reduceアルゴリズムについて講義する ・回帰分析(1回) 回帰分析と最小二乗法について講義する ・逐次計算の高速化(1回) 効率的なアルゴリズム、計算機アーキテクチャとキャッシュの有効活用など高速な逐次計算を行うコツについて講義する ・OpenMP入門(1回) 共有メモリ向けの並列化技法であるOpenMPについて講義する ・MPI入門(1回) 分散メモリ向けの並列化技法であるMPIについて講義する ・回帰分析を行うプログラムの作成(9回) 回帰分析を行うC言語のプログラムを3種類作成する。 始めに逐次計算のプログラムを作成し、それをOpenMPを用いて並列化を行ったプログラム、MPIを用いて並列化を行ったプログラムをそれぞれ作成する。 |
||||||||||||
(履修要件) |
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||||
(成績評価の方法・観点及び達成度) | レポート試験により評価する。 OpenMPを用いた並列計算のプログラム、MPIを用いた並列計算のプログラムの2種類を提出してもらい、正しく効率的に計算が行われているか評価する。 |
||||||||||||
(教科書) |
講義資料を配布する。
教科書は特に定めない。
|
||||||||||||
(参考書等) |
特に定めない。
|
||||||||||||
(授業外学習(予習・復習)等) | C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 授業時間の制約上、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してより深い知識を得ることを期待する。 |
||||||||||||
(その他(オフィスアワー等)) | 演習では学術情報メディアセンターのスーパーコンピュータを使用します。スーパーコンピュータのアカウントについては必要に応じて配布します。 演習用の端末としてノート型PCを持参してください。 オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||||
計算科学演習A
(科目名)
Exercise on Computational Science A
(英 訳)
|
|
|||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 演習 | ||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
||||||||||
(曜時限)
集中 9月10日(火)〜9月12日(木)各日1〜5限 (教室) 情報メ地下講義室 |
||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||
(授業の概要・目的)
本授業の目的は、大規模データに対する統計処理を通じて、高速な逐次計算プログラムを作成する技法と並列計算の初歩を学ぶことである。
その目的を達成するために、本授業では、予測を行うための典型的な手法である回帰分析を行うC言語のプログラムを3種類作成する。1つは逐次計算のプログラム、1つはOpenMPを用いた並列計算のプログラム、もう1つはMPIを用いた並列計算のプログラムである。演習に先立ち、コンピュータを用いて計算を行う数値計算についての基本的な知識や、行列・線形代数の知識、回帰分析の知識、および、並列計算を行うためのOpenMPとMPIについてなど、演習に必要な事項について講義する。 【大学院横断型教育の概要・目的】 具体的な題材を課題とした演習により、計算科学・並列計算の技法を実践的に学ぶことができ、学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||
(到達目標)
高速なプログラムを作成する技法を理解し、OpenMPおよびMPIを用いて並列計算を行うプログラムを作成できるようになること。
|
||||||||||
(授業計画と内容)
全15回の授業の予定は以下の通りである。 ・数値計算と計算科学(1回) 二分法やガウスの消去法を例に計算機で計算する方法について講義する ・線形代数(1回) 回帰分析を行うのに必要なグラム・シュミットの正規直交化法とQR分解、および、分散メモリの並列計算でQR分解を行うAll Reduceアルゴリズムについて講義する ・回帰分析(1回) 回帰分析と最小二乗法について講義する ・逐次計算の高速化(1回) 効率的なアルゴリズム、計算機アーキテクチャとキャッシュの有効活用など高速な逐次計算を行うコツについて講義する ・OpenMP入門(1回) 共有メモリ向けの並列化技法であるOpenMPについて講義する ・MPI入門(1回) 分散メモリ向けの並列化技法であるMPIについて講義する ・回帰分析を行うプログラムの作成(9回) 回帰分析を行うC言語のプログラムを3種類作成する。 始めに逐次計算のプログラムを作成し、それをOpenMPを用いて並列化を行ったプログラム、MPIを用いて並列化を行ったプログラムをそれぞれ作成する。 |
||||||||||
(履修要件)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||
(成績評価の方法・観点及び達成度)
レポート試験により評価する。
OpenMPを用いた並列計算のプログラム、MPIを用いた並列計算のプログラムの2種類を提出してもらい、正しく効率的に計算が行われているか評価する。 |
||||||||||
(教科書)
講義資料を配布する。
教科書は特に定めない。
|
||||||||||
(参考書等)
特に定めない。
|
||||||||||
(授業外学習(予習・復習)等)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
授業時間の制約上、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してより深い知識を得ることを期待する。 |
||||||||||
(その他(オフィスアワー等))
演習では学術情報メディアセンターのスーパーコンピュータを使用します。スーパーコンピュータのアカウントについては必要に応じて配布します。
演習用の端末としてノート型PCを持参してください。 オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
計算科学入門
|
(英 訳) | Computational Science, Introduction | ||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||||||||||||||
(使用言語) | 日本語 | ||||||||||||||||||||||||
(旧群) | |||||||||||||||||||||||||
(単位数) | 2 単位 | ||||||||||||||||||||||||
(時間数) | 30 時間 | ||||||||||||||||||||||||
(週コマ数) | 1 コマ | ||||||||||||||||||||||||
(授業形態) | 講義 | ||||||||||||||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||||||||
(対象学生) | 理系向 | ||||||||||||||||||||||||
(曜時限) | 集中 9月2日(月)〜9月4日(水)各日1〜5限 |
||||||||||||||||||||||||
(教室) | 情報メ地下講義室 | ||||||||||||||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||
(授業の概要・目的) | 計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法、応用事例を教授する。コンピュータを活用する上で最も重要な逐次計算の高速化技法と、マルチコアCPUを搭載する計算機での並列計算技法や分散メモリ型並列計算機における並列計算技法について、C言語を利用して実習を行う。計算科学についての基礎力をつけることを目的とする。 【大学院横断型教育の概要・目的】 計算機アーキテクチャの理解、並列プログラミングの習得に止まらず、多くの事例研究の学習により、幅広い分野における計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||||||||||||||||
(到達目標) | 計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法を理解する。特に、高精度計算では、浮動小数点数による数値計算の特性を理解する。さらに、マルチコアCPUを搭載する計算機における並列計算技法であるOpenMPと、分散メモリ型並列計算機における並列計算技法であるMPIについて、その利用法を習得することを到達目標とする。 | ||||||||||||||||||||||||
(授業計画と内容) | シミュレーション科学,行列計算,最適化アルゴリズムなどを題材として,計算の精度と実行時間,並列プログラミング(OpenMPとMPI入門),事例研究について学ぶ。 全15回の予定は以下の通りである。 ・数値計算についての講義 (6回程度) (1) 数値計算の精度と安定性 数値計算の結果の精度を向上させるための数理的背景を持つ事例、多倍長計算の活用、計算機における演算、計算スキームの安定性などの解説 (2) 数値計算の高速化・スーパーコンピュータの活用方法 数値計算を高速化するための手段や、スーパーコンピュータの活用法の解説 (3) 最適化アルゴリズム アルゴリズムや実装の工夫による最適化計算の高速化についての解説 ※年度によって(1)-(3)の一部を省略することがある ・計算科学についての講義 (3回) (1) 逐次計算の高速化 計算機アーキテクチャの説明、キャッシュの有効活用、データの再利用などによる逐次計算の高速化の説明 (2) OpenMPによる並列計算 並列計算のためのOpenMPプログラミング技法、基礎理論、逐次プログラムからの変更点などの紹介 (3) MPIによる並列計算 並列計算のためのMPIの並列モデル、基礎理論、基本関数の使い方などの解説 ・スーパーコンピュータ実習 (3回) (1) C言語による逐次計算の高速化技法についての実習 (2) C言語によるマルチコアCPUを搭載する計算機での並列計算技法についての実習 (3) C言語による分散メモリ型並列計算機での並列計算技法についての実習 ・事例研究についての講義 (3回程度) |
||||||||||||||||||||||||
(履修要件) |
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||||||||||||||||
(成績評価の方法・観点及び達成度) | 以下の通り、レポート課題で評価する。 ・数値計算についての講義において、レポート課題を出題する(配点40点) ・スーパーコンピュータ実習において、プログラミングの課題を出題する(配点60点) |
||||||||||||||||||||||||
(教科書) |
講義資料を配布する。
教科書は特に定めない。
|
||||||||||||||||||||||||
(参考書等) |
特に定めない。
|
||||||||||||||||||||||||
(授業外学習(予習・復習)等) | C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 さらに、授業時間の制約から、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してさらに深い知識を得ることを期待する。 | ||||||||||||||||||||||||
(その他(オフィスアワー等)) | 課題実習では、学術情報メディアセンターのスーパーコンピュータを使用します。情報学研究科に所属の学生は事前に取得しているアカウントを使用します。他研究科履修生については本演習用に必要に応じてアカウントを配布します。 オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||||||||||||||||
計算科学入門
(科目名)
Computational Science, Introduction
(英 訳)
|
|
|||||||||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | ||||||||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
||||||||||||||||
(曜時限)
集中 9月2日(月)〜9月4日(水)各日1〜5限 (教室) 情報メ地下講義室 |
||||||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||||||||
(授業の概要・目的)
計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法、応用事例を教授する。コンピュータを活用する上で最も重要な逐次計算の高速化技法と、マルチコアCPUを搭載する計算機での並列計算技法や分散メモリ型並列計算機における並列計算技法について、C言語を利用して実習を行う。計算科学についての基礎力をつけることを目的とする。
【大学院横断型教育の概要・目的】 計算機アーキテクチャの理解、並列プログラミングの習得に止まらず、多くの事例研究の学習により、幅広い分野における計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||||||||
(到達目標)
計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法を理解する。特に、高精度計算では、浮動小数点数による数値計算の特性を理解する。さらに、マルチコアCPUを搭載する計算機における並列計算技法であるOpenMPと、分散メモリ型並列計算機における並列計算技法であるMPIについて、その利用法を習得することを到達目標とする。
|
||||||||||||||||
(授業計画と内容)
シミュレーション科学,行列計算,最適化アルゴリズムなどを題材として,計算の精度と実行時間,並列プログラミング(OpenMPとMPI入門),事例研究について学ぶ。 全15回の予定は以下の通りである。 ・数値計算についての講義 (6回程度) (1) 数値計算の精度と安定性 数値計算の結果の精度を向上させるための数理的背景を持つ事例、多倍長計算の活用、計算機における演算、計算スキームの安定性などの解説 (2) 数値計算の高速化・スーパーコンピュータの活用方法 数値計算を高速化するための手段や、スーパーコンピュータの活用法の解説 (3) 最適化アルゴリズム アルゴリズムや実装の工夫による最適化計算の高速化についての解説 ※年度によって(1)-(3)の一部を省略することがある ・計算科学についての講義 (3回) (1) 逐次計算の高速化 計算機アーキテクチャの説明、キャッシュの有効活用、データの再利用などによる逐次計算の高速化の説明 (2) OpenMPによる並列計算 並列計算のためのOpenMPプログラミング技法、基礎理論、逐次プログラムからの変更点などの紹介 (3) MPIによる並列計算 並列計算のためのMPIの並列モデル、基礎理論、基本関数の使い方などの解説 ・スーパーコンピュータ実習 (3回) (1) C言語による逐次計算の高速化技法についての実習 (2) C言語によるマルチコアCPUを搭載する計算機での並列計算技法についての実習 (3) C言語による分散メモリ型並列計算機での並列計算技法についての実習 ・事例研究についての講義 (3回程度) |
||||||||||||||||
(履修要件)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||||||||
(成績評価の方法・観点及び達成度)
以下の通り、レポート課題で評価する。
・数値計算についての講義において、レポート課題を出題する(配点40点) ・スーパーコンピュータ実習において、プログラミングの課題を出題する(配点60点) |
||||||||||||||||
(教科書)
講義資料を配布する。
教科書は特に定めない。
|
||||||||||||||||
(参考書等)
特に定めない。
|
||||||||||||||||
(授業外学習(予習・復習)等)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 さらに、授業時間の制約から、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してさらに深い知識を得ることを期待する。
|
||||||||||||||||
(その他(オフィスアワー等))
課題実習では、学術情報メディアセンターのスーパーコンピュータを使用します。情報学研究科に所属の学生は事前に取得しているアカウントを使用します。他研究科履修生については本演習用に必要に応じてアカウントを配布します。
オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
データ科学展望I
|
(英 訳) | Perspectives in Data Science I | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 9月20日金曜1〜5限(対面)、9月24日火曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり |
||||||
(教室) | 近衛館202(受講者数によっては変更の可能性あり) | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 情報学研究科開講の「データの二次利用実践論」と兼ねた開講になる. 情報学研究科の学生はそちらを選択すること Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXの恩恵として蓄積されるデータの二次活用は、さらに大きな可能性が広がっている。本講義では、医療や教育等を例に社会におけるデータの活用の現状・課題・解決の方向性について議論を深めることを目指す。 |
||||||
(到達目標) | 社会に蓄積されるデータについて、医療や教育等を例にデータがどのように集積され、どのように分析されているのか。その際の課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。 | ||||||
(授業計画と内容) | 以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、データの二次利用の現状・課題・解決の方向性について学ぶ。 開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. データに基づいた経済評価 3. データに基づいた経営 4. データを基づいた政策 5. データの二次利用の限界 5. データを活用した研究1(分割時系列解析)【メディア授業:同時双方向型】 6. データを活用した研究2(NDB解析) 【メディア授業:同時双方向型】 7. 医療・介護データの二次利用 【メディア授業:同時双方向型】 (9月20日に対面授業、9月24日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
||||||
(履修要件) |
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
||||||
(成績評価の方法・観点及び達成度) | 平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40% | ||||||
(教科書) |
使用しない
適宜、動画を含めた資料などを示す。
|
||||||
(参考書等) |
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
|
||||||
(授業外学習(予習・復習)等) | 参考書図書の確認、リアクションペーパーの提出などを求める。 また、オンデマンド型動画を活用した反転学習も取り入れるので、授業前に指定した動画の閲覧と質問の提出を求める。 |
||||||
(その他(オフィスアワー等)) | 講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。 ・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「データの二次利用実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
||||||
データ科学展望I
(科目名)
Perspectives in Data Science I
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 9月20日金曜1〜5限(対面)、9月24日火曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり (教室) 近衛館202(受講者数によっては変更の可能性あり) |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
情報学研究科開講の「データの二次利用実践論」と兼ねた開講になる.
情報学研究科の学生はそちらを選択すること Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXの恩恵として蓄積されるデータの二次活用は、さらに大きな可能性が広がっている。本講義では、医療や教育等を例に社会におけるデータの活用の現状・課題・解決の方向性について議論を深めることを目指す。 |
|||||||
(到達目標)
社会に蓄積されるデータについて、医療や教育等を例にデータがどのように集積され、どのように分析されているのか。その際の課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。
|
|||||||
(授業計画と内容)
以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、データの二次利用の現状・課題・解決の方向性について学ぶ。 開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. データに基づいた経済評価 3. データに基づいた経営 4. データを基づいた政策 5. データの二次利用の限界 5. データを活用した研究1(分割時系列解析)【メディア授業:同時双方向型】 6. データを活用した研究2(NDB解析) 【メディア授業:同時双方向型】 7. 医療・介護データの二次利用 【メディア授業:同時双方向型】 (9月20日に対面授業、9月24日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
|||||||
(履修要件)
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
|||||||
(成績評価の方法・観点及び達成度)
平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40%
|
|||||||
(教科書)
使用しない
適宜、動画を含めた資料などを示す。
|
|||||||
(参考書等)
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
|
|||||||
(授業外学習(予習・復習)等)
参考書図書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も取り入れるので、授業前に指定した動画の閲覧と質問の提出を求める。 |
|||||||
(その他(オフィスアワー等))
講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。
・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「データの二次利用実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
データ科学展望II
|
(英 訳) | Perspectives in Data Science II | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 8月26日月曜1〜5限(対面)、8月30日金曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり |
||||||
(教室) | 近衛館202(受講者数によっては変更の可能性あり) | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 情報学研究科開講の「デジタル変容実践論」と兼ねた開講になる. 情報学研究科の学生はそちらを選択すること 2018年の経産省レポート「デジタルトランスフォーメーション(DX) レポート〜ITシステム「2025年の崖」の克服とDXの本格的な展開〜」では、日本の経済発展におけるDXの必要性と現状・課題が報告された。しかしながら、2021年に公開された「DX白書2021年」では、日本の組織における硬直的な組織文化やレガシーシステムなどの既存の仕組が足かせとなり、必要な変化への対応が十分でないと報告されている。 Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXにより、本来の業務が効率化される恩恵は大きい。本講義では、医療や教育等を例に社会におけるDXの現状・課題・解決の方向性について議論を深めることを目指す。 |
||||||
(到達目標) | 社会におけるDXの必要性がどのように位置づけられ、実施にあたっての課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。 | ||||||
(授業計画と内容) | 以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、デジタル・トランスフォーメーション(DX)の現状・課題・解決の方向性について学ぶ。 開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. 教育・医療・介護におけるDX 3. 研究におけるDX 4. プロジェクトマネジメント 5. DXの評価【メディア授業:同時双方向型】 6. DXを実装した研究【メディア授業:同時双方向型】 7. 社会におけるDX【メディア授業:同時双方向型】 (8月26日に対面授業、8月30日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
||||||
(履修要件) |
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
||||||
(成績評価の方法・観点及び達成度) | 平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40% | ||||||
(教科書) |
使用しない
適宜プリントなどを配布する。
|
||||||
(参考書等) |
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
兼安 暁「DX 最前線」 (60分でわかる! IT知識)
Harvard Buisness Review「デジタルディスラプションに立ち向かう成熟企業の競争戦略」
|
||||||
(授業外学習(予習・復習)等) | 参考書図書の確認、リアクションペーパーの提出などを求める。 また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧・質問の提出を求める。 |
||||||
(その他(オフィスアワー等)) | 講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。 ・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「デジタル変容実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
||||||
データ科学展望II
(科目名)
Perspectives in Data Science II
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 8月26日月曜1〜5限(対面)、8月30日金曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり (教室) 近衛館202(受講者数によっては変更の可能性あり) |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
情報学研究科開講の「デジタル変容実践論」と兼ねた開講になる.
情報学研究科の学生はそちらを選択すること 2018年の経産省レポート「デジタルトランスフォーメーション(DX) レポート〜ITシステム「2025年の崖」の克服とDXの本格的な展開〜」では、日本の経済発展におけるDXの必要性と現状・課題が報告された。しかしながら、2021年に公開された「DX白書2021年」では、日本の組織における硬直的な組織文化やレガシーシステムなどの既存の仕組が足かせとなり、必要な変化への対応が十分でないと報告されている。 Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXにより、本来の業務が効率化される恩恵は大きい。本講義では、医療や教育等を例に社会におけるDXの現状・課題・解決の方向性について議論を深めることを目指す。 |
|||||||
(到達目標)
社会におけるDXの必要性がどのように位置づけられ、実施にあたっての課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。
|
|||||||
(授業計画と内容)
以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、デジタル・トランスフォーメーション(DX)の現状・課題・解決の方向性について学ぶ。 開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. 教育・医療・介護におけるDX 3. 研究におけるDX 4. プロジェクトマネジメント 5. DXの評価【メディア授業:同時双方向型】 6. DXを実装した研究【メディア授業:同時双方向型】 7. 社会におけるDX【メディア授業:同時双方向型】 (8月26日に対面授業、8月30日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
|||||||
(履修要件)
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
|||||||
(成績評価の方法・観点及び達成度)
平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40%
|
|||||||
(教科書)
使用しない
適宜プリントなどを配布する。
|
|||||||
(参考書等)
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
兼安 暁「DX 最前線」 (60分でわかる! IT知識)
Harvard Buisness Review「デジタルディスラプションに立ち向かう成熟企業の競争戦略」
|
|||||||
(授業外学習(予習・復習)等)
参考書図書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧・質問の提出を求める。 |
|||||||
(その他(オフィスアワー等))
講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。
・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「デジタル変容実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
実験系生物学者向けの数理・統計・計算生物学入門
|
(英 訳) | Mathematical, Statistical and Computational Biology for Experimental Biologists | ||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||||||||||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||||||||||||||||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||||||||||||||||||||||||||||||||
(使用言語) | 日本語 | ||||||||||||||||||||||||||||||||||||||||||
(旧群) | |||||||||||||||||||||||||||||||||||||||||||
(単位数) | 1 単位 | ||||||||||||||||||||||||||||||||||||||||||
(時間数) | 30 時間 | ||||||||||||||||||||||||||||||||||||||||||
(週コマ数) | 1 コマ | ||||||||||||||||||||||||||||||||||||||||||
(授業形態) | 演習 | ||||||||||||||||||||||||||||||||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||||||||||||||||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||||||||||||||||||||||||||
(対象学生) | 理系向 | ||||||||||||||||||||||||||||||||||||||||||
(曜時限) | 集中 |
||||||||||||||||||||||||||||||||||||||||||
(教室) | オンライン | ||||||||||||||||||||||||||||||||||||||||||
生命科学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||||||||||||||||||||
(授業の概要・目的) | 昨今の生命科学における、学際融合研究に必要な統計・数理・計算生物学、及び、画像解析の入門的な知識と技術を提供する。主な対象は、生命科学の実験系研究室に所属し、実験データの実践的な統計解析、ビッグデータ解析、および、システムズバイオロジー・数理生物学・理論生物学等に興味がある大学院生とする。演習形式の授業を通じて、自分の研究に学んだ知識や方法論を活用できるようになることを目的とする。 | ||||||||||||||||||||||||||||||||||||||||||
(到達目標) | 上記の知識を基に、正しい統計知識に基づいた、生命科学研究についての実験デザインやデータ解析ができるようになる。および、様々な生命現象を数理モデルで記述し、計算機によるシミュレーションを通じて動作原理の検証や作業仮説を抽出することができるようになる。これらの入門的な知識と技術を習得する。 | ||||||||||||||||||||||||||||||||||||||||||
(授業計画と内容) | 4月22日(月) イントロダクション、生物統計学概論 5月27日(月) 研究の品質管理の考え方及び実験計画法 6月24日(月) 解析計画とサンプルサイズ設計 7月29日(月) 実験計画演習 8月26日(月) 計画発表・討論会 9月30日(月) 常微分方程式による数理モデル化と数値解析、最適化基礎 10月28日(月) 生命現象の数理モデル、線形安定性解析 11月25日(月) 反応拡散モデル、ブラウン運動 12月23日(月) 生体イメージング画像処理 1月27日(月) 確率微分方程式、確率アルゴリズム、ポアソン、マスター方程式 2月17日(月) 機械学習、ベイズ概論・演習 - 1 3月17日(月) 機械学習、ベイズ概論・演習 - 2 備考: 1/27, 2/17, 3/17の3回は、受講者と相談の上、集中講義の形式で実施する可能性あり。 |
||||||||||||||||||||||||||||||||||||||||||
(履修要件) |
・授業時にネットワークに接続した PC を使用できること。
・Google アカウントを取得していること(Google Colab使用のため)。 ・Zoomが使用可能であること。 全学共通科目「統計入門」、「データ分析基礎」、「データ分析演習」あるいは大学院共通科目「データ科学概観」、「情報科学基礎論」あるいはそれらと同等の内容の講義を受講・学習済みであることが望ましい。 |
||||||||||||||||||||||||||||||||||||||||||
(成績評価の方法・観点及び達成度) | 【評価方法】 担当教員に提出する小レポートにより評価する。また、発表や討論についても評価対象とする。詳細については、開講時に説明する。 【評価基準】 出席・発表・議論、および、原則として全講師へのレポート提出を重視する。 |
||||||||||||||||||||||||||||||||||||||||||
(教科書) |
使用しない
|
||||||||||||||||||||||||||||||||||||||||||
(参考書等) |
『講義実録 統計入門』
ISBN:4434318578
『データ分析のための数理モデル入門 本質をとらえた分析のために』
ISBN:4802612494
『An Introduction to Systems Biology: Design Principles of Biological Circuits, 2 nd Edition』
ISBN:1439837171
『細胞の理論生物学: ダイナミクスの視点から』
ISBN:4130626213
『パターン認識と機械学習 上』
ISBN:4621061224
『パターン認識と機械学習 下』
ISBN:4621061240
初回の講義において各回の講義内容の概要を説明する。ほとんどの講義後に、講義内容を理解しているか判断する課題を出すので、次回までに提出する。
|
||||||||||||||||||||||||||||||||||||||||||
(授業外学習(予習・復習)等) | 履修要件に記載の統計科学関連科目を受講済みでない場合は、全学部共通科目「統計入門」のe-learning教材(https://lms.gacco.org/courses/course-v1:gacco+ga150+2023_05/about)の事前視聴が望まれる。 | ||||||||||||||||||||||||||||||||||||||||||
(その他(オフィスアワー等)) | 連絡担当教員: 今吉:imayoshi.itaru.2n@kyoto-u.ac.jp 田中:tanaka.noriko.3c@kyoto-u.ac.jp 青木:aoki.kazuhiro.6v@kyoto-u.ac.jp 坂本:sakamoto.masayuki.2e@kyoto-u.ac.jp 碓井:usui.tadao.3c@kyoto-u.ac.jp 鈴木:suzuki.yusuke.7n@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 ※本科目はメディア授業科目です。 |
||||||||||||||||||||||||||||||||||||||||||
実験系生物学者向けの数理・統計・計算生物学入門
(科目名)
Mathematical, Statistical and Computational Biology for Experimental Biologists
(英 訳)
|
|
||||||||||||||||||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||||||||||||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 演習 | |||||||||||||||||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
|||||||||||||||||||||||||
(曜時限)
集中 (教室) オンライン |
|||||||||||||||||||||||||
生命科学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||
(授業の概要・目的)
昨今の生命科学における、学際融合研究に必要な統計・数理・計算生物学、及び、画像解析の入門的な知識と技術を提供する。主な対象は、生命科学の実験系研究室に所属し、実験データの実践的な統計解析、ビッグデータ解析、および、システムズバイオロジー・数理生物学・理論生物学等に興味がある大学院生とする。演習形式の授業を通じて、自分の研究に学んだ知識や方法論を活用できるようになることを目的とする。
|
|||||||||||||||||||||||||
(到達目標)
上記の知識を基に、正しい統計知識に基づいた、生命科学研究についての実験デザインやデータ解析ができるようになる。および、様々な生命現象を数理モデルで記述し、計算機によるシミュレーションを通じて動作原理の検証や作業仮説を抽出することができるようになる。これらの入門的な知識と技術を習得する。
|
|||||||||||||||||||||||||
(授業計画と内容)
4月22日(月) イントロダクション、生物統計学概論 5月27日(月) 研究の品質管理の考え方及び実験計画法 6月24日(月) 解析計画とサンプルサイズ設計 7月29日(月) 実験計画演習 8月26日(月) 計画発表・討論会 9月30日(月) 常微分方程式による数理モデル化と数値解析、最適化基礎 10月28日(月) 生命現象の数理モデル、線形安定性解析 11月25日(月) 反応拡散モデル、ブラウン運動 12月23日(月) 生体イメージング画像処理 1月27日(月) 確率微分方程式、確率アルゴリズム、ポアソン、マスター方程式 2月17日(月) 機械学習、ベイズ概論・演習 - 1 3月17日(月) 機械学習、ベイズ概論・演習 - 2 備考: 1/27, 2/17, 3/17の3回は、受講者と相談の上、集中講義の形式で実施する可能性あり。 |
|||||||||||||||||||||||||
(履修要件)
・授業時にネットワークに接続した PC を使用できること。
・Google アカウントを取得していること(Google Colab使用のため)。 ・Zoomが使用可能であること。 全学共通科目「統計入門」、「データ分析基礎」、「データ分析演習」あるいは大学院共通科目「データ科学概観」、「情報科学基礎論」あるいはそれらと同等の内容の講義を受講・学習済みであることが望ましい。 |
|||||||||||||||||||||||||
(成績評価の方法・観点及び達成度)
【評価方法】
担当教員に提出する小レポートにより評価する。また、発表や討論についても評価対象とする。詳細については、開講時に説明する。 【評価基準】 出席・発表・議論、および、原則として全講師へのレポート提出を重視する。 |
|||||||||||||||||||||||||
(教科書)
使用しない
|
|||||||||||||||||||||||||
(参考書等)
『講義実録 統計入門』
ISBN:4434318578
『データ分析のための数理モデル入門 本質をとらえた分析のために』
ISBN:4802612494
『An Introduction to Systems Biology: Design Principles of Biological Circuits, 2 nd Edition』
ISBN:1439837171
『細胞の理論生物学: ダイナミクスの視点から』
ISBN:4130626213
『パターン認識と機械学習 上』
ISBN:4621061224
『パターン認識と機械学習 下』
ISBN:4621061240
初回の講義において各回の講義内容の概要を説明する。ほとんどの講義後に、講義内容を理解しているか判断する課題を出すので、次回までに提出する。
|
|||||||||||||||||||||||||
(授業外学習(予習・復習)等)
履修要件に記載の統計科学関連科目を受講済みでない場合は、全学部共通科目「統計入門」のe-learning教材(https://lms.gacco.org/courses/course-v1:gacco+ga150+2023_05/about)の事前視聴が望まれる。
|
|||||||||||||||||||||||||
(その他(オフィスアワー等))
連絡担当教員:
今吉:imayoshi.itaru.2n@kyoto-u.ac.jp 田中:tanaka.noriko.3c@kyoto-u.ac.jp 青木:aoki.kazuhiro.6v@kyoto-u.ac.jp 坂本:sakamoto.masayuki.2e@kyoto-u.ac.jp 碓井:usui.tadao.3c@kyoto-u.ac.jp 鈴木:suzuki.yusuke.7n@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 ※本科目はメディア授業科目です。 |
|||||||||||||||||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
金融工学
|
(英 訳) | Financial Engineering | ||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||||||||
(使用言語) | 日本語 | ||||||||||||||||||
(旧群) | |||||||||||||||||||
(単位数) | 1 単位 | ||||||||||||||||||
(時間数) | 30 時間 | ||||||||||||||||||
(週コマ数) | 1 コマ | ||||||||||||||||||
(授業形態) | 講義 | ||||||||||||||||||
(開講年度・開講期) | 2024・前期集中 | ||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||
(対象学生) | 理系向 | ||||||||||||||||||
(曜時限) | 集中 8月29日(木)、30日(金)各日1〜4限 |
||||||||||||||||||
(教室) | 総合研究8号館講義室1 | ||||||||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||
(授業の概要・目的) | 金融の実務を知る講義担当者の視点から「金融工学」についての講義を行う.前半の講義では金融工学の基礎として債券のプライシングと株式のポートフォリオ理論について解説を行う.後半では主に証券分析の基礎として財務諸表分析を概観し,その後,リスク量計測手法とデリバティブ評価方法について解説を行う. Lecture on financial engineering is given by researchers who are familiar with practice of finance. The first half of this lecture gives foundation of bond pricing and portfolio theory of stocks. The second half of this lecture deals with basics of financial statement analysis, measurement of risks and evaluation of derivatives. |
||||||||||||||||||
(到達目標) | 金融実務で使用されている様々な専門用語や分析手法を理解し,実際の金融業務に携ったときに適切な手法を選択し,問題が解決できるようになること. | ||||||||||||||||||
(授業計画と内容) | I プライシングの基礎とポートフォリオ理論 1.現在価値と債券のプライシング ・現在価値と債券価値の基礎 ・金利の期間構造 ・信用リスクと債券価格 2.ポートフォリオ理論 ・平均分散モデル ・CAPM ・アセットアロケーション ・サステナブル投資 II 資産価値の評価とリスク量計測手法・デリバティブ評価 3.財務諸表分析と資産価値の評価 ・財務諸表分析の基礎 ・企業の株式価値評価 4.リスク量計測手法とデリバティブ評価 ・金融機関が抱える各種のリスク ・リスク量の評価 ・デリバティブ評価 I Foundation of Pricing Theory and Portfolio Theory 1. Present Value and Bond Pricing -Foundation of Present Value and Bond Pricing -Term Structure of Interest Rate -Credit Risk and Bond Pricing 2. Portfolio Theory -Mean-Variance Model -CAPM -Asset Allocation -Sustainable Investing II Valuation of Assets, Measurement of Risks and Evaluation of Derivatives 3. Financial Statement Analysis and Valuation of Assets -Foundation of Financial Statement Analysis -Valuation of the Stock Price of Some Companies 4. Measurement of Risks and Evaluation of Derivatives -Various Risks of Financial Institutions -Calculation of Risk Amount -Derivative Pricing and Monte Carlo Simulation |
||||||||||||||||||
(履修要件) |
基礎的な金融工学の知識,およびExcelやプログラミングで簡単な分析が行えることが望ましい.
必要環境:ノートPC(Excelやプログラミング(Python)を使用) None. (Notebook-PC(Excel, Python) is required.) |
||||||||||||||||||
(成績評価の方法・観点及び達成度) | 最終レポートによる評点(100%).講義の内容を理解できているか,レポートの書き方が適切であるかを評価の基準とし,情報学研究科成績評価規程第7条による成績評価を行う. |
||||||||||||||||||
(教科書) |
なし (適宜,資料を配布)
None (ppt slide files etc will be provided)
|
||||||||||||||||||
(参考書等) | |||||||||||||||||||
(授業外学習(予習・復習)等) | この講義では特に予習,復習の必要はない.講義中に疑問に思ったことや,実務の問題としてより詳細に内容を知りたいときは講義内または講義後に適宜質問すること. | ||||||||||||||||||
(その他(オフィスアワー等)) | |||||||||||||||||||
金融工学
(科目名)
Financial Engineering
(英 訳)
|
|
||||||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 理系向 |
|||||||||||||
(曜時限)
集中 8月29日(木)、30日(金)各日1〜4限 (教室) 総合研究8号館講義室1 |
|||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的)
金融の実務を知る講義担当者の視点から「金融工学」についての講義を行う.前半の講義では金融工学の基礎として債券のプライシングと株式のポートフォリオ理論について解説を行う.後半では主に証券分析の基礎として財務諸表分析を概観し,その後,リスク量計測手法とデリバティブ評価方法について解説を行う.
Lecture on financial engineering is given by researchers who are familiar with practice of finance. The first half of this lecture gives foundation of bond pricing and portfolio theory of stocks. The second half of this lecture deals with basics of financial statement analysis, measurement of risks and evaluation of derivatives. |
|||||||||||||
(到達目標)
金融実務で使用されている様々な専門用語や分析手法を理解し,実際の金融業務に携ったときに適切な手法を選択し,問題が解決できるようになること.
|
|||||||||||||
(授業計画と内容)
I プライシングの基礎とポートフォリオ理論 1.現在価値と債券のプライシング ・現在価値と債券価値の基礎 ・金利の期間構造 ・信用リスクと債券価格 2.ポートフォリオ理論 ・平均分散モデル ・CAPM ・アセットアロケーション ・サステナブル投資 II 資産価値の評価とリスク量計測手法・デリバティブ評価 3.財務諸表分析と資産価値の評価 ・財務諸表分析の基礎 ・企業の株式価値評価 4.リスク量計測手法とデリバティブ評価 ・金融機関が抱える各種のリスク ・リスク量の評価 ・デリバティブ評価 I Foundation of Pricing Theory and Portfolio Theory 1. Present Value and Bond Pricing -Foundation of Present Value and Bond Pricing -Term Structure of Interest Rate -Credit Risk and Bond Pricing 2. Portfolio Theory -Mean-Variance Model -CAPM -Asset Allocation -Sustainable Investing II Valuation of Assets, Measurement of Risks and Evaluation of Derivatives 3. Financial Statement Analysis and Valuation of Assets -Foundation of Financial Statement Analysis -Valuation of the Stock Price of Some Companies 4. Measurement of Risks and Evaluation of Derivatives -Various Risks of Financial Institutions -Calculation of Risk Amount -Derivative Pricing and Monte Carlo Simulation |
|||||||||||||
(履修要件)
基礎的な金融工学の知識,およびExcelやプログラミングで簡単な分析が行えることが望ましい.
必要環境:ノートPC(Excelやプログラミング(Python)を使用) None. (Notebook-PC(Excel, Python) is required.) |
|||||||||||||
(成績評価の方法・観点及び達成度)
最終レポートによる評点(100%).講義の内容を理解できているか,レポートの書き方が適切であるかを評価の基準とし,情報学研究科成績評価規程第7条による成績評価を行う.
|
|||||||||||||
(教科書)
なし (適宜,資料を配布)
None (ppt slide files etc will be provided)
|
|||||||||||||
(参考書等)
|
|||||||||||||
(授業外学習(予習・復習)等)
この講義では特に予習,復習の必要はない.講義中に疑問に思ったことや,実務の問題としてより詳細に内容を知りたいときは講義内または講義後に適宜質問すること.
|
|||||||||||||
(その他(オフィスアワー等))
|
|||||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
計算科学演習B
|
(英 訳) | Exercise on Computational Science B | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 演習 | ||||||
(開講年度・開講期) | 2024・前期集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 理系向 | ||||||
(曜時限) | 集中 |
||||||
(教室) | 未定 | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 比較的簡単で背景となる数学的かつ工学的知識を受講者が共通に持つ具体的な大規模な科学技術計算の課題について、履修生がC言語、またはFortranを選択して、自ら並列計算プログラムを作成し、スーパーコンピュータにおける実行データを分析する。課題としては、例えば、拡散方程式の陽的差分法に関する並列計算がある。本科目は、計算科学に関する教育研究を行う全ての研究科に所属する大学院学生が受講しやすいよう夏期休暇中の集中講義科目として実施する。 【研究科横断型教育の概要・目的】 基本的な並列プログラミングの習得に止まらず、具体的な大規模な科学技術計算の課題についての実習により、計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||
(到達目標) | MPIおよびOpenMPの基本的な機能を用いた並列プログラミングのためのスキルを習得すること。 | ||||||
(授業計画と内容) | 全15回の予定は、以下の通りである。 ・並列計算概論2回 並列計算の基本,メディアセンターのスーパーコンピュータの紹介,スーパーコンピュータの基本的利用法に関する演習 ・逐次プログラミング 2回 課題プログラムの原理・基本的計算法に関する解説,逐次プログラムの作成 ・MPI(基礎)2回 MPI並列プログラミングの基本的な考え方と技法,MPIによる課題プログラムの基本的な並列化設計 ・MPI(応用)2回 MPIの高度な機能とそれを用いたプログラミング,集合通信の機能と性能、MPIによる課題並列プログラム作成演習 ・OpenMP(基礎)2回 OpenMP並列プログラミングの基本的な考え方と技法,OpenMPによる課題プログラムの基本的な並列化設計 ・OpenMP(応用)2回 NUMAメモリアーキテクチャとNUMA対応のプログラミング,OpenMPによる課題並列プログラム作成演習 ・並列化プログラミング 3回 課題並列プログラムの性能解析とチューニング・改良演習,レポート作成 |
||||||
(履修要件) |
・C言語またはFortranによるプログラミングができること。
・実習用端末として、SSHのクライアント(WSLやPuTTYなど)が利用可能なをインストールしたノート型PCを持参すること。 ・学術情報メディアセンターのスーパーコンピュータを使用する。情報学研究科に所属の学生は事前に取得しているアカウントを使用する。他研究科履修生については本演習用に実習端末にOpenMPとMPIが利用可能な環境を準備すること。環境の準備に関しては講義内で説明する。 |
||||||
(成績評価の方法・観点及び達成度) | 【レポート試験の成績(75%)】 MPIやOpenMPを利用したC言語もしくはFortranの並列化プログラミングに関する基礎的知識を獲得し、あわせて履修生が自身の専門分野において並列化シミュレーションを実施するために必要な知識、技能を獲得することを目標とする。講義内容の理解度や並列プログラミング技能の習熟度について、拡散方程式の初期値求解プログラムに関する以下の5回のレポート(配点各15点)により評価する。 ・逐次プログラム ・問題空間を1次元分割したMPI並列プログラム ・問題空間を2次元分割したMPI並列プログラム ・Work Sharingを用いたOpenMPプログラム ・OpenMPとMPIを併用したハイブリッド並列プログラム 【平常点評価(25%)】 出席状況と、質問などを通した授業への積極的な参加を評価する。 |
||||||
(教科書) |
教科書は特に定めず、配布資料に基づいて講義する。
|
||||||
(参考書等) |
『スーパーコンピュータの使い方』 (https://web.kudpc.kyoto-u.ac.jp/doc/hpc-manual/hpc-manual-ja.pdf)
|
||||||
(授業外学習(予習・復習)等) | 『スーパーコンピュータの使い方』 (https://web.kudpc.kyoto-u.ac.jp/doc/hpc-manual/hpc-manual-ja.pdf) | ||||||
(その他(オフィスアワー等)) | オフィスアワーについては担当教員のKULASIS登録情報を参照すること。 深沢圭一郎: fukazawa@media.kyoto-u.ac.jp 授業時間外で質問がある場合には、あらかじめ、上記のアドレスにメールをすること。 |
||||||
計算科学演習B
(科目名)
Exercise on Computational Science B
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 演習 | |||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 理系向 |
|||||||
(曜時限)
集中 (教室) 未定 |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
比較的簡単で背景となる数学的かつ工学的知識を受講者が共通に持つ具体的な大規模な科学技術計算の課題について、履修生がC言語、またはFortranを選択して、自ら並列計算プログラムを作成し、スーパーコンピュータにおける実行データを分析する。課題としては、例えば、拡散方程式の陽的差分法に関する並列計算がある。本科目は、計算科学に関する教育研究を行う全ての研究科に所属する大学院学生が受講しやすいよう夏期休暇中の集中講義科目として実施する。
【研究科横断型教育の概要・目的】 基本的な並列プログラミングの習得に止まらず、具体的な大規模な科学技術計算の課題についての実習により、計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
|||||||
(到達目標)
MPIおよびOpenMPの基本的な機能を用いた並列プログラミングのためのスキルを習得すること。
|
|||||||
(授業計画と内容)
全15回の予定は、以下の通りである。 ・並列計算概論2回 並列計算の基本,メディアセンターのスーパーコンピュータの紹介,スーパーコンピュータの基本的利用法に関する演習 ・逐次プログラミング 2回 課題プログラムの原理・基本的計算法に関する解説,逐次プログラムの作成 ・MPI(基礎)2回 MPI並列プログラミングの基本的な考え方と技法,MPIによる課題プログラムの基本的な並列化設計 ・MPI(応用)2回 MPIの高度な機能とそれを用いたプログラミング,集合通信の機能と性能、MPIによる課題並列プログラム作成演習 ・OpenMP(基礎)2回 OpenMP並列プログラミングの基本的な考え方と技法,OpenMPによる課題プログラムの基本的な並列化設計 ・OpenMP(応用)2回 NUMAメモリアーキテクチャとNUMA対応のプログラミング,OpenMPによる課題並列プログラム作成演習 ・並列化プログラミング 3回 課題並列プログラムの性能解析とチューニング・改良演習,レポート作成 |
|||||||
(履修要件)
・C言語またはFortranによるプログラミングができること。
・実習用端末として、SSHのクライアント(WSLやPuTTYなど)が利用可能なをインストールしたノート型PCを持参すること。 ・学術情報メディアセンターのスーパーコンピュータを使用する。情報学研究科に所属の学生は事前に取得しているアカウントを使用する。他研究科履修生については本演習用に実習端末にOpenMPとMPIが利用可能な環境を準備すること。環境の準備に関しては講義内で説明する。 |
|||||||
(成績評価の方法・観点及び達成度)
【レポート試験の成績(75%)】
MPIやOpenMPを利用したC言語もしくはFortranの並列化プログラミングに関する基礎的知識を獲得し、あわせて履修生が自身の専門分野において並列化シミュレーションを実施するために必要な知識、技能を獲得することを目標とする。講義内容の理解度や並列プログラミング技能の習熟度について、拡散方程式の初期値求解プログラムに関する以下の5回のレポート(配点各15点)により評価する。 ・逐次プログラム ・問題空間を1次元分割したMPI並列プログラム ・問題空間を2次元分割したMPI並列プログラム ・Work Sharingを用いたOpenMPプログラム ・OpenMPとMPIを併用したハイブリッド並列プログラム 【平常点評価(25%)】 出席状況と、質問などを通した授業への積極的な参加を評価する。 |
|||||||
(教科書)
教科書は特に定めず、配布資料に基づいて講義する。
|
|||||||
(参考書等)
『スーパーコンピュータの使い方』 (https://web.kudpc.kyoto-u.ac.jp/doc/hpc-manual/hpc-manual-ja.pdf)
|
|||||||
(授業外学習(予習・復習)等)
『スーパーコンピュータの使い方』 (https://web.kudpc.kyoto-u.ac.jp/doc/hpc-manual/hpc-manual-ja.pdf)
|
|||||||
(その他(オフィスアワー等))
オフィスアワーについては担当教員のKULASIS登録情報を参照すること。
深沢圭一郎: fukazawa@media.kyoto-u.ac.jp 授業時間外で質問がある場合には、あらかじめ、上記のアドレスにメールをすること。 |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
情報セキュリティ
|
(英 訳) | Information Security | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 2 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・前期集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 |
||||||
(教室) | 情報1(総合研究7号館1階) | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | IT化とネットワーク化が進行し、情報システムが企業活動・学術活動に不可欠になった現代において、そこに潜む脆弱性を狙ったサイバー攻撃により社会が大きな影響を受けることが問題となっている。本講義では、インターネットおよび組織内ネットワークを利用する際に知っておくべき知識、例えば、安全確保、攻撃からの防御と運用の継続、消されたデータの復旧、法制度などについて、システム管理者・利用者の視線に立ちながら最新技術を交えて講述する。 | ||||||
(到達目標) | 情報システムを利用する上での危険性を認識するとともに、その対策の概要を知る。 | ||||||
(授業計画と内容) | 開講日程: 4月12(金)、19日(金)、26日(金) 5月10(金)、17日(金)、24日(金)、31日(金) 各4-5限 期末試験・フィードバック: 6月7日(金) 4-5限 [基礎技術] ネットワーアーキテクチャ: IPv4、IPv6、TCP、UDP サイバー攻撃と防御技術:マルウェア、脆弱性攻撃、不正アクセス検知、アンチウィルス、ブロックチェーン、オニオンルーティング [攻撃技術] ソーシャルエンジニアリング 脆弱性探索: ペネトレーションテスト、倫理的ハッキング、レインボーテーブル 攻撃の自動化: AIによる脆弱性自動探索と攻撃プログラム自動作成 [防御技術] 自動防御プログラム: 攻撃検知から防御プログラム生成 デジタルフォレンジックス: 消されたデータの復旧作業の手順と実態 サイバーインテリジェンスと状況把握: オープンソース情報、DarkWeb情報などの分析による状況把握 [統合運用] 国内・国外の法制度: 著作権法、不正アクセス禁止法、IoT対策など サイバーにおけるグループ管理: インシデント発生時の危機管理 |
||||||
(履修要件) |
特になし
|
||||||
(成績評価の方法・観点及び達成度) | 講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。 | ||||||
(教科書) |
特に定めない。必要な資料は講義において配布する。
|
||||||
(参考書等) |
必要に応じて講義内で紹介する。
|
||||||
(授業外学習(予習・復習)等) | 受講に際し特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。 | ||||||
(その他(オフィスアワー等)) | |||||||
情報セキュリティ
(科目名)
Information Security
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 (教室) 情報1(総合研究7号館1階) |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
IT化とネットワーク化が進行し、情報システムが企業活動・学術活動に不可欠になった現代において、そこに潜む脆弱性を狙ったサイバー攻撃により社会が大きな影響を受けることが問題となっている。本講義では、インターネットおよび組織内ネットワークを利用する際に知っておくべき知識、例えば、安全確保、攻撃からの防御と運用の継続、消されたデータの復旧、法制度などについて、システム管理者・利用者の視線に立ちながら最新技術を交えて講述する。
|
|||||||
(到達目標)
情報システムを利用する上での危険性を認識するとともに、その対策の概要を知る。
|
|||||||
(授業計画と内容)
開講日程: 4月12(金)、19日(金)、26日(金) 5月10(金)、17日(金)、24日(金)、31日(金) 各4-5限 期末試験・フィードバック: 6月7日(金) 4-5限 [基礎技術] ネットワーアーキテクチャ: IPv4、IPv6、TCP、UDP サイバー攻撃と防御技術:マルウェア、脆弱性攻撃、不正アクセス検知、アンチウィルス、ブロックチェーン、オニオンルーティング [攻撃技術] ソーシャルエンジニアリング 脆弱性探索: ペネトレーションテスト、倫理的ハッキング、レインボーテーブル 攻撃の自動化: AIによる脆弱性自動探索と攻撃プログラム自動作成 [防御技術] 自動防御プログラム: 攻撃検知から防御プログラム生成 デジタルフォレンジックス: 消されたデータの復旧作業の手順と実態 サイバーインテリジェンスと状況把握: オープンソース情報、DarkWeb情報などの分析による状況把握 [統合運用] 国内・国外の法制度: 著作権法、不正アクセス禁止法、IoT対策など サイバーにおけるグループ管理: インシデント発生時の危機管理 |
|||||||
(履修要件)
特になし
|
|||||||
(成績評価の方法・観点及び達成度)
講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。
|
|||||||
(教科書)
特に定めない。必要な資料は講義において配布する。
|
|||||||
(参考書等)
必要に応じて講義内で紹介する。
|
|||||||
(授業外学習(予習・復習)等)
受講に際し特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。
|
|||||||
(その他(オフィスアワー等))
|
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
デザイン思考実践
|
(英 訳) | Practice of Design Thinking | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||
(群) | 院横断 | ||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||
(使用言語) | 日本語 | ||||||||||||
(旧群) | |||||||||||||
(単位数) | 1 単位 | ||||||||||||
(時間数) | 30 時間 | ||||||||||||
(週コマ数) | 1 コマ | ||||||||||||
(授業形態) | 講義 | ||||||||||||
(開講年度・開講期) | 2024・前期集中 | ||||||||||||
(配当学年) | 大学院生 | ||||||||||||
(対象学生) | 全学向 | ||||||||||||
(曜時限) | 集中 |
||||||||||||
(教室) | 総合研究2号館講義室3 | ||||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的) | 講義日程 9月12日、13日(2限〜5限) システムやソフトウェアの開発プロセスを分解すると、次のように分けられる。 A.問題点やニーズを見つけ出し、それへの解決策を練ること B.その解決策をシステムやソフトウェアに実装できるよう定義すること このうちAを実践する有力なツールに「デザイン思考」がある。また、Bのプロセスは 専門的には「業務要件定義」と呼ばれ、現場の要求を正確にプログラマーに伝える重要なやり取りである。なお実際にはこの後に、プログラミングしてそれを実現することが続く。 本科目では、このAにあたる「デザイン思考」を講義と演習によって習得する。 「デザイン思考」は社会にイノベーションを起こす一つの有効な手段として、近年注目されるようになった課題解決アプローチである。目まぐるしく変化する現代社会において、顧客の思考やユーザの要望を実現させる上で、真意を正確に把握することは決して簡単ではない。本講義ではデザイン思考を大きく「課題の発見」と「課題の解決」に分けて、そのプロセスについて学ぶ。これにより、あらゆる問題に対して臆することなく、真の課題の発見と解決ができるスキルを習得する。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。 詳細は講座ホームページ( https://www.project.gsm.kyoto-u.ac.jp/pib/ )参照 非常勤講師:NTTデータグループ 津村 秀明 様 |
||||||||||||
(到達目標) | デザイン思考のマインドとプロセス(共感、問題定義、アイデア創出、プロトタイピング、検証の5つのステップ)を理解し、新しい課題に対して、デザイン思考の順序にしたがって課題を解決できるようにする。 |
||||||||||||
(授業計画と内容) | 8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。 1. 基本知識の講義 (1)デザイン思考とはどのようなアプローチ法か (2)デザイン思考を行なう上で必要なマインドや成果物(アイデアスケッチ、リーンキャンバス、プラグマティックペルソナ、ユーザージャーニーマップ、ユーザストーリーマップ、UXプロトタイプなど)とその活用場面、活用方法 2. グループワークによるデザイン思考の実践と習得 (1)課題発見フェーズ ビジネスのコンテキストを整理し、課題を網羅的に洗い出した上で、解くべき最大の課題を発見する (2)課題詳細化フェーズ 課題を抱えたユーザの現状の行動順序などを分析して課題を詳細化する。 (3)解決方法探索フェーズ 個人でアイデアを出した上でペアレビューで多様な視点を追加し、アイデアスケッチにまとめるビジネスモデルやユーザストーリーを設計し、ユーザの行動順序とマッピングする。設計したモデルをグループごとに発表し、他グループからフィードバックを得る (4)プロトタイピングフェーズ UXの改善が重要なユーザストーリーについて、具体的なUXをスケッチ等でプロトタイプとして可視化する。ユーザストーリーとプロトタイプをグループごとに発表し、他グループからフィードバックを得る (5)展開確認フェーズ 想定した課題が想定した解決方法で改善しているかどうか定量的に検証する (6)全体振り返り デザイン思考の実践方法を学習し、今後の研究活動などにどう活かせるか振り返りを行う。 非常勤講師のNTTデータグループ 正野 勇嗣氏は、DXを推進するための研究開発やデジタル技術を応用したサービス創出に関する戦略検討を担う。 |
||||||||||||
(履修要件) |
特になし
|
||||||||||||
(成績評価の方法・観点及び達成度) | 講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。 | ||||||||||||
(教科書) |
特に定めない。必要な資料は講義において配布する。
|
||||||||||||
(参考書等) |
必要に応じて講義内で紹介する。
|
||||||||||||
(関連URL) | https://www.project.gsm.kyoto-u.ac.jp/pib/ 情報学ビジネス実践講座 | ||||||||||||
(授業外学習(予習・復習)等) | 受講に際し特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。 | ||||||||||||
(その他(オフィスアワー等)) | オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。 藤田 哲雄: fujita.tetsuo.3m@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 |
||||||||||||
デザイン思考実践
(科目名)
Practice of Design Thinking
(英 訳)
|
|
|||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | ||||||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 全学向 |
||||||||||
(曜時限)
集中 (教室) 総合研究2号館講義室3 |
||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||
(授業の概要・目的)
講義日程 9月12日、13日(2限〜5限)
システムやソフトウェアの開発プロセスを分解すると、次のように分けられる。 A.問題点やニーズを見つけ出し、それへの解決策を練ること B.その解決策をシステムやソフトウェアに実装できるよう定義すること このうちAを実践する有力なツールに「デザイン思考」がある。また、Bのプロセスは 専門的には「業務要件定義」と呼ばれ、現場の要求を正確にプログラマーに伝える重要なやり取りである。なお実際にはこの後に、プログラミングしてそれを実現することが続く。 本科目では、このAにあたる「デザイン思考」を講義と演習によって習得する。 「デザイン思考」は社会にイノベーションを起こす一つの有効な手段として、近年注目されるようになった課題解決アプローチである。目まぐるしく変化する現代社会において、顧客の思考やユーザの要望を実現させる上で、真意を正確に把握することは決して簡単ではない。本講義ではデザイン思考を大きく「課題の発見」と「課題の解決」に分けて、そのプロセスについて学ぶ。これにより、あらゆる問題に対して臆することなく、真の課題の発見と解決ができるスキルを習得する。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。 詳細は講座ホームページ( https://www.project.gsm.kyoto-u.ac.jp/pib/ )参照 非常勤講師:NTTデータグループ 津村 秀明 様 |
||||||||||
(到達目標)
デザイン思考のマインドとプロセス(共感、問題定義、アイデア創出、プロトタイピング、検証の5つのステップ)を理解し、新しい課題に対して、デザイン思考の順序にしたがって課題を解決できるようにする。
|
||||||||||
(授業計画と内容)
8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。 1. 基本知識の講義 (1)デザイン思考とはどのようなアプローチ法か (2)デザイン思考を行なう上で必要なマインドや成果物(アイデアスケッチ、リーンキャンバス、プラグマティックペルソナ、ユーザージャーニーマップ、ユーザストーリーマップ、UXプロトタイプなど)とその活用場面、活用方法 2. グループワークによるデザイン思考の実践と習得 (1)課題発見フェーズ ビジネスのコンテキストを整理し、課題を網羅的に洗い出した上で、解くべき最大の課題を発見する (2)課題詳細化フェーズ 課題を抱えたユーザの現状の行動順序などを分析して課題を詳細化する。 (3)解決方法探索フェーズ 個人でアイデアを出した上でペアレビューで多様な視点を追加し、アイデアスケッチにまとめるビジネスモデルやユーザストーリーを設計し、ユーザの行動順序とマッピングする。設計したモデルをグループごとに発表し、他グループからフィードバックを得る (4)プロトタイピングフェーズ UXの改善が重要なユーザストーリーについて、具体的なUXをスケッチ等でプロトタイプとして可視化する。ユーザストーリーとプロトタイプをグループごとに発表し、他グループからフィードバックを得る (5)展開確認フェーズ 想定した課題が想定した解決方法で改善しているかどうか定量的に検証する (6)全体振り返り デザイン思考の実践方法を学習し、今後の研究活動などにどう活かせるか振り返りを行う。 非常勤講師のNTTデータグループ 正野 勇嗣氏は、DXを推進するための研究開発やデジタル技術を応用したサービス創出に関する戦略検討を担う。 |
||||||||||
(履修要件)
特になし
|
||||||||||
(成績評価の方法・観点及び達成度)
講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。
|
||||||||||
(教科書)
特に定めない。必要な資料は講義において配布する。
|
||||||||||
(参考書等)
必要に応じて講義内で紹介する。
|
||||||||||
(授業外学習(予習・復習)等)
受講に際し特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。
|
||||||||||
(その他(オフィスアワー等))
オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。
藤田 哲雄: fujita.tetsuo.3m@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 |
||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
ビジネスデータ分析実践
|
(英 訳) | Practice of Business Data Analysis | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||
(群) | 院横断 | ||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||
(使用言語) | 日本語 | ||||||||||||
(旧群) | |||||||||||||
(単位数) | 1 単位 | ||||||||||||
(時間数) | 30 時間 | ||||||||||||
(週コマ数) | 1 コマ | ||||||||||||
(授業形態) | 講義 | ||||||||||||
(開講年度・開講期) | 2024・前期集中 | ||||||||||||
(配当学年) | 大学院生 | ||||||||||||
(対象学生) | 全学向 | ||||||||||||
(曜時限) | 集中 |
||||||||||||
(教室) | 総合研究2号館講義室3 | ||||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的) | 講義日程:9月5日、6日(2限〜5限) 全てのものがインターネットと繋がり、データドリブンで社会課題が解決される世の中が到来しようとしている。そのような環境のなか、世の中にあふれるデータをどのように扱い、その中からいかに価値のある解決策を導きだせるかがこれからの社会において非常に重要となってくる。本講義では、データ分析について、その手法の習得にとどまらず、ビジネスにおいてどのようにデータを利活用すべきか、与えられた課題をデータ分析結果を用いていかに課題解決まで導くかを、一連の流れを実践形式で学習する。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。 詳細は講座ホームページ( https://www.project.gsm.kyoto-u.ac.jp/pib/ )参照 非常勤講師:NECマネジメントパートナー 石山 徹 様 |
||||||||||||
(到達目標) | ビジネス課題に対して、適切なデータ選定、データ分析ができる手法を習得し、データの分析に基づいた課題の解決策が提案できる。 | ||||||||||||
(授業計画と内容) | 8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。また、3章〜6章において、観光庁の「訪日外国人の消費動向調査データ」を題材に、課題設定、データ分析、課題解決案作成をワーク(演習)で実施する。 ■第1章 データ分析の概要 ・ビッグデータとは/ビッグデータの活用 ・データ分析の準備/データ分析の実施 ・統計解析手法によるデータ分析とは ・データ分析手法の検討 ■第2章 統計ソフトウェアRの基本的な使い方 ・R言語概要 ・R基本操作 ■第3章 基本的なデータ分析 ・基本的なデータ分析 ・ヒストグラム ・代表値、代表値を見るときのポイント ・データの可視化(グラフ化)、グラフを見るときのポイント ・【演習】データの要約による特性把握および考察、発表 ■第4章 相関分析 ・相関分析とは ・相関分析の実施(相関係数の算出) ・【演習】相関係数算出および考察 ■第5章 回帰分析、判別分析 ・回帰分析(線形回帰分析) - 回帰分析の実施(統計モデルの作成) ・【演習】回帰分析を用いた予測モデルの作成および考察、発表 ・判別分析(ロジスティック回帰分析) - ロジスティック回帰分析の実施(統計モデルの作成) ・【演習】訪日外国人の満足、不満足に関する予測モデル作成および考察、発表 ■第6章 データ分析による課題解決演習 ・ユースケースに基づく、ビジネスデータ分析の解説 - 「訪日外国人の消費動向調査データ」他、各種データに適した課題設定、分析結果、提案内容の作成、発表 ■最終課題(講義終了後) ・課題設定と、それに適したデータセットの選択、データ分析、提案資料の作成、提出 |
||||||||||||
(履修要件) |
統計学に関する入門講義を既に受講しているか、同等の知識を有することが望ましい。
|
||||||||||||
(成績評価の方法・観点及び達成度) | 講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。 | ||||||||||||
(教科書) |
特に定めない。必要な資料は講義において配布する。
|
||||||||||||
(参考書等) |
必要に応じて講義内で紹介する。
|
||||||||||||
(関連URL) | https://www.project.gsm.kyoto-u.ac.jp/pib/ 情報学ビジネス実践講座 | ||||||||||||
(授業外学習(予習・復習)等) | 受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。 | ||||||||||||
(その他(オフィスアワー等)) | オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。 藤田 哲雄: fujita.tetsuo.3m@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 |
||||||||||||
ビジネスデータ分析実践
(科目名)
Practice of Business Data Analysis
(英 訳)
|
|
|||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | ||||||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 全学向 |
||||||||||
(曜時限)
集中 (教室) 総合研究2号館講義室3 |
||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||
(授業の概要・目的)
講義日程:9月5日、6日(2限〜5限) 全てのものがインターネットと繋がり、データドリブンで社会課題が解決される世の中が到来しようとしている。そのような環境のなか、世の中にあふれるデータをどのように扱い、その中からいかに価値のある解決策を導きだせるかがこれからの社会において非常に重要となってくる。本講義では、データ分析について、その手法の習得にとどまらず、ビジネスにおいてどのようにデータを利活用すべきか、与えられた課題をデータ分析結果を用いていかに課題解決まで導くかを、一連の流れを実践形式で学習する。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。 詳細は講座ホームページ( https://www.project.gsm.kyoto-u.ac.jp/pib/ )参照 非常勤講師:NECマネジメントパートナー 石山 徹 様 |
||||||||||
(到達目標)
ビジネス課題に対して、適切なデータ選定、データ分析ができる手法を習得し、データの分析に基づいた課題の解決策が提案できる。
|
||||||||||
(授業計画と内容)
8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。また、3章〜6章において、観光庁の「訪日外国人の消費動向調査データ」を題材に、課題設定、データ分析、課題解決案作成をワーク(演習)で実施する。 ■第1章 データ分析の概要 ・ビッグデータとは/ビッグデータの活用 ・データ分析の準備/データ分析の実施 ・統計解析手法によるデータ分析とは ・データ分析手法の検討 ■第2章 統計ソフトウェアRの基本的な使い方 ・R言語概要 ・R基本操作 ■第3章 基本的なデータ分析 ・基本的なデータ分析 ・ヒストグラム ・代表値、代表値を見るときのポイント ・データの可視化(グラフ化)、グラフを見るときのポイント ・【演習】データの要約による特性把握および考察、発表 ■第4章 相関分析 ・相関分析とは ・相関分析の実施(相関係数の算出) ・【演習】相関係数算出および考察 ■第5章 回帰分析、判別分析 ・回帰分析(線形回帰分析) - 回帰分析の実施(統計モデルの作成) ・【演習】回帰分析を用いた予測モデルの作成および考察、発表 ・判別分析(ロジスティック回帰分析) - ロジスティック回帰分析の実施(統計モデルの作成) ・【演習】訪日外国人の満足、不満足に関する予測モデル作成および考察、発表 ■第6章 データ分析による課題解決演習 ・ユースケースに基づく、ビジネスデータ分析の解説 - 「訪日外国人の消費動向調査データ」他、各種データに適した課題設定、分析結果、提案内容の作成、発表 ■最終課題(講義終了後) ・課題設定と、それに適したデータセットの選択、データ分析、提案資料の作成、提出 |
||||||||||
(履修要件)
統計学に関する入門講義を既に受講しているか、同等の知識を有することが望ましい。
|
||||||||||
(成績評価の方法・観点及び達成度)
講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。
|
||||||||||
(教科書)
特に定めない。必要な資料は講義において配布する。
|
||||||||||
(参考書等)
必要に応じて講義内で紹介する。
|
||||||||||
(授業外学習(予習・復習)等)
受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。
|
||||||||||
(その他(オフィスアワー等))
オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。
藤田 哲雄: fujita.tetsuo.3m@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 |
||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
ビジネスにおける情報学の実践
|
(英 訳) | Practice on Informatics in Business | ||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||||||||
(使用言語) | 日本語 | ||||||||||||||||||
(旧群) | |||||||||||||||||||
(単位数) | 1 単位 | ||||||||||||||||||
(時間数) | 60 時間 | ||||||||||||||||||
(週コマ数) | 2 コマ | ||||||||||||||||||
(授業形態) | 講義 | ||||||||||||||||||
(開講年度・開講期) | 2024・前期集中 | ||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||
(対象学生) | 全学向 | ||||||||||||||||||
(曜時限) | 集中 9月3日(火)、4日(水) 各2限~5限 |
||||||||||||||||||
(教室) | 総合研究2号館講義室3 | ||||||||||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||
(授業の概要・目的) | ITがあらゆる産業において不可欠となり、デジタルトランスフォーメーション(DX)が ビジネスでの競争の鍵となりつつある。本講義では、まずITが社会や産業の隅々にまで浸透していることを概観し、社会課題の解決や企業経営におけるITの意義を学ぶ。次に、なぜ企業が今DXに取り組まなければならないのか、人工知能(AI)等の最新技術やデータサイエンスがいかにビジネスや社会に活用されているかを理解し、経営戦略に基づくIT戦略の重要性を学ぶ。さらに産業・行政・医療等におけるIT戦略の様々な事例に触れてたうえで、どのようにIT戦略の策定するかについてグループワークによる疑似体験で修得する。更にIT戦略実現のための「ITシステムの開発とプロジェクトマネジメント」について実践的に学ぶ。そして経営的な視点からITとビジネスへの理解を深め、ITガバナンスの必要性を実際に経営層との対話を通じて学ぶ。これらの体系的な学びのあと、企業におけるDXについて参画企業3社の最先端の実例から理解の幅を広げるとともに、最後にアイディアソンによりDXの実践力を習得する。 本科目は、「情報学ビジネス実践講座※」における「ビジネス経営ITコース」の総まとめにあたるものであり、企業経営におけるIT・DXについて実践的に学ぶ絶好の機会となる。 ※「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。 詳細は講座ホームページ (https://www.project.gsm.kyoto-u.ac.jp/pib/)参照 |
||||||||||||||||||
(到達目標) | ・ビジネスや社会課題の解決におけるITの重要性を理解している。また、DXになぜ取り組むか、人工知能(AI)等の最新技術やデータサイエンスがいかにビジネスや社会に活用されるかを理解している ・IT戦略について産業・行政・医療等の事例を通じて理解の幅を広げ、演習課題による疑似体験でIT戦略の策定について理解を深めている。更にIT戦略実現のための「ITシステムの開発とプロジェクトマネジメント」を実践的に習得している ・経営的な視点からITとビジネスについて学びを深めITガバナンスの要諦を理解している ・DXについて企業の実例を踏まえて最先端の様相を理解し、さらにアイデアソンを通じて実践力を習得している |
||||||||||||||||||
(授業計画と内容) | 【第Ⅰ部 IT戦略を学ぶ(日本総合研究所)】 1 ITと社会・ビジネス〜IT戦略の理解まで〜 ・ ITが社会・ビジネスの隅々まで浸透していることを様々な事例を通じて説明する ・ 社会課題や企業の経営課題の解決におけるITの役割を解説し、業務との関係でITの意味を理解する ・ デジタルトランスフォーメーション (DX)とは何か、なぜDXに各社が取り組んでいるのかを説明する ・ 人工知能(AI)等の最新技術やデータサイエンスがいかにビジネスや社会に活用されているかを紹介する ・ IT戦略をいかに策定するか、デジタル時代にITをどのように企画するのかを説明する 2 IT戦略の事例と演習(グループワーク) ・ ゲスト講師を招いて産業・行政・医療等のにおけるIT戦略の事例を紹介して理解の幅を広げる ・ 演習課題を用いたグループワークにより、IT戦略の策定を実践する 3.ITシステムの開発とプロジェクトマネジメント ・IT戦略を実現するための「ITシステムの開発とプロジェクトマネジメント」を実践的に学ぶ 4 経営とIT(含む 企業経営層と学生との対話) ・ 経営戦略におけるIT戦略を企業組織において成就させるためのITガバナンスの勘所を説明する ・ 企業経営層と学生との対話の時間を挟みITと社会・ビジネスの学びを深める 【第Ⅱ部 最先端のDXに触れる(日本総合研究所・ANAシステムズ・ DMG森精機)】 5 DXの現状①〜金融業編〜(事例紹介中心) ・ 金融業 とITとの関係、金融におけるDXの捉え方と、活用事例を説明する 6 DXの現状②〜航空業編〜(デモンストレーション・事例紹介有) ・ 航空業におけるデジタル変革の歴史や、航空業とその枠を超えたデジタル変革の事例を説明する 7 DXの現状③〜製造業編〜(デモンストレーション・事例紹介有) ・ 製造業 (工作機械業)におけるデジタル活用や、自動化、IoTによるつながるソリューションについて説明する 【第Ⅲ部 アイディアソンで DXを実体験する(日本総合研究所・ANAシステムズ・ DMG森精機)】 8 DXで新事業・サービスを創出する ・ グループごとに金融業・航空業・製造業(工作機械業)から1つを採り上げ、DXによる新事業・新サービスを検討し発表する タイトル横の括弧書きの企業名は「情報学ビジネス実践講座」の当該協力企業より以下の非常勤講師を予定。 日本総合研究所:渕崎 正弘 様、ANAシステムズ:廣澤 健樹 様・岐部 琴美 様、DMG森精機:ブレメンシュテンゲル 健太郎 様 |
||||||||||||||||||
(履修要件) |
受講人数を制限することがあります。その場合、情報学ビジネス実践講座プログラム(https://www.project.gsm.kyoto-u.ac.jp/pib/)登録者を優先します。
|
||||||||||||||||||
(成績評価の方法・観点及び達成度) | 講義への貢献度ならびに総合演習の評価に基づいて評価する。 | ||||||||||||||||||
(教科書) |
必要な資料(テキスト、演習課題)を講義において配布する。
|
||||||||||||||||||
(参考書等) |
必要に応じて講義内で紹介する。
|
||||||||||||||||||
(授業外学習(予習・復習)等) | 受講に際し情報やITに関する特別の知識は必須ではない。 |
||||||||||||||||||
(その他(オフィスアワー等)) | オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。 斎木 大: saiki.dai.7y@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 |
||||||||||||||||||
ビジネスにおける情報学の実践
(科目名)
Practice on Informatics in Business
(英 訳)
|
|
||||||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||||||||
(旧群) (単位数) 1 単位 (時間数) 60 時間 (週コマ数) 2 コマ (授業形態) 講義 | |||||||||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||||||||
(曜時限)
集中 9月3日(火)、4日(水) 各2限~5限 (教室) 総合研究2号館講義室3 |
|||||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的)
ITがあらゆる産業において不可欠となり、デジタルトランスフォーメーション(DX)が ビジネスでの競争の鍵となりつつある。本講義では、まずITが社会や産業の隅々にまで浸透していることを概観し、社会課題の解決や企業経営におけるITの意義を学ぶ。次に、なぜ企業が今DXに取り組まなければならないのか、人工知能(AI)等の最新技術やデータサイエンスがいかにビジネスや社会に活用されているかを理解し、経営戦略に基づくIT戦略の重要性を学ぶ。さらに産業・行政・医療等におけるIT戦略の様々な事例に触れてたうえで、どのようにIT戦略の策定するかについてグループワークによる疑似体験で修得する。更にIT戦略実現のための「ITシステムの開発とプロジェクトマネジメント」について実践的に学ぶ。そして経営的な視点からITとビジネスへの理解を深め、ITガバナンスの必要性を実際に経営層との対話を通じて学ぶ。これらの体系的な学びのあと、企業におけるDXについて参画企業3社の最先端の実例から理解の幅を広げるとともに、最後にアイディアソンによりDXの実践力を習得する。
本科目は、「情報学ビジネス実践講座※」における「ビジネス経営ITコース」の総まとめにあたるものであり、企業経営におけるIT・DXについて実践的に学ぶ絶好の機会となる。 ※「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。 詳細は講座ホームページ (https://www.project.gsm.kyoto-u.ac.jp/pib/)参照 |
|||||||||||||
(到達目標)
・ビジネスや社会課題の解決におけるITの重要性を理解している。また、DXになぜ取り組むか、人工知能(AI)等の最新技術やデータサイエンスがいかにビジネスや社会に活用されるかを理解している
・IT戦略について産業・行政・医療等の事例を通じて理解の幅を広げ、演習課題による疑似体験でIT戦略の策定について理解を深めている。更にIT戦略実現のための「ITシステムの開発とプロジェクトマネジメント」を実践的に習得している ・経営的な視点からITとビジネスについて学びを深めITガバナンスの要諦を理解している ・DXについて企業の実例を踏まえて最先端の様相を理解し、さらにアイデアソンを通じて実践力を習得している |
|||||||||||||
(授業計画と内容)
【第Ⅰ部 IT戦略を学ぶ(日本総合研究所)】 1 ITと社会・ビジネス〜IT戦略の理解まで〜 ・ ITが社会・ビジネスの隅々まで浸透していることを様々な事例を通じて説明する ・ 社会課題や企業の経営課題の解決におけるITの役割を解説し、業務との関係でITの意味を理解する ・ デジタルトランスフォーメーション (DX)とは何か、なぜDXに各社が取り組んでいるのかを説明する ・ 人工知能(AI)等の最新技術やデータサイエンスがいかにビジネスや社会に活用されているかを紹介する ・ IT戦略をいかに策定するか、デジタル時代にITをどのように企画するのかを説明する 2 IT戦略の事例と演習(グループワーク) ・ ゲスト講師を招いて産業・行政・医療等のにおけるIT戦略の事例を紹介して理解の幅を広げる ・ 演習課題を用いたグループワークにより、IT戦略の策定を実践する 3.ITシステムの開発とプロジェクトマネジメント ・IT戦略を実現するための「ITシステムの開発とプロジェクトマネジメント」を実践的に学ぶ 4 経営とIT(含む 企業経営層と学生との対話) ・ 経営戦略におけるIT戦略を企業組織において成就させるためのITガバナンスの勘所を説明する ・ 企業経営層と学生との対話の時間を挟みITと社会・ビジネスの学びを深める 【第Ⅱ部 最先端のDXに触れる(日本総合研究所・ANAシステムズ・ DMG森精機)】 5 DXの現状①〜金融業編〜(事例紹介中心) ・ 金融業 とITとの関係、金融におけるDXの捉え方と、活用事例を説明する 6 DXの現状②〜航空業編〜(デモンストレーション・事例紹介有) ・ 航空業におけるデジタル変革の歴史や、航空業とその枠を超えたデジタル変革の事例を説明する 7 DXの現状③〜製造業編〜(デモンストレーション・事例紹介有) ・ 製造業 (工作機械業)におけるデジタル活用や、自動化、IoTによるつながるソリューションについて説明する 【第Ⅲ部 アイディアソンで DXを実体験する(日本総合研究所・ANAシステムズ・ DMG森精機)】 8 DXで新事業・サービスを創出する ・ グループごとに金融業・航空業・製造業(工作機械業)から1つを採り上げ、DXによる新事業・新サービスを検討し発表する タイトル横の括弧書きの企業名は「情報学ビジネス実践講座」の当該協力企業より以下の非常勤講師を予定。 日本総合研究所:渕崎 正弘 様、ANAシステムズ:廣澤 健樹 様・岐部 琴美 様、DMG森精機:ブレメンシュテンゲル 健太郎 様 |
|||||||||||||
(履修要件)
受講人数を制限することがあります。その場合、情報学ビジネス実践講座プログラム(https://www.project.gsm.kyoto-u.ac.jp/pib/)登録者を優先します。
|
|||||||||||||
(成績評価の方法・観点及び達成度)
講義への貢献度ならびに総合演習の評価に基づいて評価する。
|
|||||||||||||
(教科書)
必要な資料(テキスト、演習課題)を講義において配布する。
|
|||||||||||||
(参考書等)
必要に応じて講義内で紹介する。
|
|||||||||||||
(授業外学習(予習・復習)等)
受講に際し情報やITに関する特別の知識は必須ではない。
|
|||||||||||||
(その他(オフィスアワー等))
オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。
斎木 大: saiki.dai.7y@kyoto-u.ac.jp ※オフィスアワーの詳細については、KULASISで確認してください。 |
|||||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
AI技術利活用実践
|
(英 訳) | AI technology utilization practice | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||
(群) | 院横断 | ||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||
(使用言語) | 日本語 | ||||||||||||
(旧群) | |||||||||||||
(単位数) | 1 単位 | ||||||||||||
(時間数) | 30 時間 | ||||||||||||
(週コマ数) | 1 コマ | ||||||||||||
(授業形態) | 講義 | ||||||||||||
(開講年度・開講期) | 2024・前期集中 | ||||||||||||
(配当学年) | 大学院生 | ||||||||||||
(対象学生) | 全学向 | ||||||||||||
(曜時限) | 集中 9月26日(木)、27日(金) 各2限~5限 |
||||||||||||
(教室) | 総合研究2号館講義室3 | ||||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的) | 世界がデジタル化に向けてスピードを加速させていくなかで、AIを代表とするデジタル技術も凄まじいスピードで進化を遂げている。このような世界において、いかに新しい技術に触れ、それを使いこなしていくかは、これからのビジネスパーソンにとって重要な要素である。そこで本講義では、AIのような新しい技術をいかにビジネスに活用していくかを、手法や意識しておくべきマインドセットと共に実践形式で学びながら習得する。また、デジタル技術の応用事例について、現在のトレンドと今後の展望を概観する。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。詳細は講座ホームページ(https://www.project.gsm.kyoto-u.ac.jp/pib/)参照 非常勤講師:NTTデータグループ 正野 勇嗣 様 |
||||||||||||
(到達目標) | AIに代表されるデジタル技術を活用するサービスのアイデアを考え、実装の演習まで経験する。 | ||||||||||||
(授業計画と内容) | 1. 先端技術概要 ・AIやVRなどを含む様々なデジタル技術の概要を理解する ・それぞれのデジタル技術についてビジネスでの活用例を紹介する 2. ビジネスのWhy ・課題発見からビジネスの企画構想の方法を説明する ・リーンキャンパスやCustomer Value Chain Analysis、ペルソナなどの一般的なビジネスフレームワークを理解する 3. ビジネスのWhat ・ビジネスの企画構想からサービス(プロダクト/アプリ)のデザイン手法を説明する ・カスタマージャーニーマップ、ユーザーストーリーマッピングなどの一般的なサービスデザイン手法を理解する 4. デジタル技術を活用したビジネスを考えてみよう ・10年後の社会におけるAIやVRなどの先端技術の活用シーンをワークショップ形式で考える ・検討したアイデアを共有し、フィードバックをもらう 5. ビジネスのHow ・ビジネスを実現するために、AIなどのデジタル技術を使ったアプリ開発の仕方について、アジャイル開発を例に学習する ・実際のビジネス現場での開発作法を理解する 6. アプリを作ってみよう その1 〜まずは準備から〜 ・Gitなどのアプリ開発に必要な道具を備える ・実際にどうやってアプリ開発を進めていくのか、ハンズオン形式で学習する 7. アプリを作ってみよう その2 〜動かしてみよう〜 ・身近な課題を題材に、アプリのプロトタイプを作成し、動かしてみる(アプリ内容は検討中) 8. ビジネスの事例 近年のいろいろなビジネスでの事例にふれる 非常勤講師のNTTデータ正野 勇嗣氏は、DXを推進するための研究開発やデジタル技術を応用したサービス創出に関する戦略検討を担う。 |
||||||||||||
(履修要件) |
受講人数を制限することがあります。その場合、情報学ビジネス実践講座プログラム(https://www.project.gsm.kyoto-u.ac.jp/pib/)登録者を優先します。
|
||||||||||||
(成績評価の方法・観点及び達成度) | 講義でのディスッカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。 | ||||||||||||
(教科書) |
使用しない
特に定めない。必要な資料は講義において配布する。
|
||||||||||||
(参考書等) |
授業中に紹介する
|
||||||||||||
(関連URL) | https://www.project.gsm.kyoto-u.ac.jp/pib/ 情報学ビジネス実践講座 | ||||||||||||
(授業外学習(予習・復習)等) | 受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。 | ||||||||||||
(その他(オフィスアワー等)) | ※オフィスアワーの詳細については、KULASISで確認してください。 |
||||||||||||
AI技術利活用実践
(科目名)
AI technology utilization practice
(英 訳)
|
|
|||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | ||||||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 全学向 |
||||||||||
(曜時限)
集中 9月26日(木)、27日(金) 各2限~5限 (教室) 総合研究2号館講義室3 |
||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||
(授業の概要・目的)
世界がデジタル化に向けてスピードを加速させていくなかで、AIを代表とするデジタル技術も凄まじいスピードで進化を遂げている。このような世界において、いかに新しい技術に触れ、それを使いこなしていくかは、これからのビジネスパーソンにとって重要な要素である。そこで本講義では、AIのような新しい技術をいかにビジネスに活用していくかを、手法や意識しておくべきマインドセットと共に実践形式で学びながら習得する。また、デジタル技術の応用事例について、現在のトレンドと今後の展望を概観する。
「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。詳細は講座ホームページ(https://www.project.gsm.kyoto-u.ac.jp/pib/)参照 非常勤講師:NTTデータグループ 正野 勇嗣 様 |
||||||||||
(到達目標)
AIに代表されるデジタル技術を活用するサービスのアイデアを考え、実装の演習まで経験する。
|
||||||||||
(授業計画と内容)
1. 先端技術概要 ・AIやVRなどを含む様々なデジタル技術の概要を理解する ・それぞれのデジタル技術についてビジネスでの活用例を紹介する 2. ビジネスのWhy ・課題発見からビジネスの企画構想の方法を説明する ・リーンキャンパスやCustomer Value Chain Analysis、ペルソナなどの一般的なビジネスフレームワークを理解する 3. ビジネスのWhat ・ビジネスの企画構想からサービス(プロダクト/アプリ)のデザイン手法を説明する ・カスタマージャーニーマップ、ユーザーストーリーマッピングなどの一般的なサービスデザイン手法を理解する 4. デジタル技術を活用したビジネスを考えてみよう ・10年後の社会におけるAIやVRなどの先端技術の活用シーンをワークショップ形式で考える ・検討したアイデアを共有し、フィードバックをもらう 5. ビジネスのHow ・ビジネスを実現するために、AIなどのデジタル技術を使ったアプリ開発の仕方について、アジャイル開発を例に学習する ・実際のビジネス現場での開発作法を理解する 6. アプリを作ってみよう その1 〜まずは準備から〜 ・Gitなどのアプリ開発に必要な道具を備える ・実際にどうやってアプリ開発を進めていくのか、ハンズオン形式で学習する 7. アプリを作ってみよう その2 〜動かしてみよう〜 ・身近な課題を題材に、アプリのプロトタイプを作成し、動かしてみる(アプリ内容は検討中) 8. ビジネスの事例 近年のいろいろなビジネスでの事例にふれる 非常勤講師のNTTデータ正野 勇嗣氏は、DXを推進するための研究開発やデジタル技術を応用したサービス創出に関する戦略検討を担う。 |
||||||||||
(履修要件)
受講人数を制限することがあります。その場合、情報学ビジネス実践講座プログラム(https://www.project.gsm.kyoto-u.ac.jp/pib/)登録者を優先します。
|
||||||||||
(成績評価の方法・観点及び達成度)
講義でのディスッカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。
|
||||||||||
(教科書)
使用しない
特に定めない。必要な資料は講義において配布する。
|
||||||||||
(参考書等)
授業中に紹介する
|
||||||||||
(授業外学習(予習・復習)等)
受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。
|
||||||||||
(その他(オフィスアワー等))
※オフィスアワーの詳細については、KULASISで確認してください。
|
||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
ユーザー視点のITシステム設計実践
|
(英 訳) | IT System Design Practice in Business | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||
(群) | 院横断 | ||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||
(使用言語) | 日本語 | ||||||||||||
(旧群) | |||||||||||||
(単位数) | 1 単位 | ||||||||||||
(時間数) | 30 時間 | ||||||||||||
(週コマ数) | 1 コマ | ||||||||||||
(授業形態) | 講義 | ||||||||||||
(開講年度・開講期) | 2024・前期集中 | ||||||||||||
(配当学年) | 大学院生 | ||||||||||||
(対象学生) | 全学向 | ||||||||||||
(曜時限) | 集中 集中 |
||||||||||||
(教室) | 総合研究2号館講義室3 | ||||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的) | 日程: 集中 9月19日(木)、20日(金)(2限〜5限) 「ユーザー視点のITシステム設計実践(業務要件定義実践)」 システムやソフトウェアの開発プロセスを分解すると、次のように分けられる。 A. 問題点やニーズを見つけ出し、それへの解決策を練ること B. その解決策をシステムやソフトウェアに実装できるように定義すること このうちAを実践する有力なツールに「デザイン思考」がある。また、Bのプロセスは専門的には「業務要件定義」と呼ばれ、現場の要求を正確に開発者に伝える重要なやり取りである。なお実際にはこの後に、プログラミングしてそれを実現することが続く。本科目では、このBにあたる「業務要件定義」を「ユーザー視点のITシステム設計実践」としてとらえ、講義と演習によって習得する。 デザイン思考などの手法によって問題点やニーズとそれへの解決案ができたら、次は「要件定義」、すなわち実現するシステムやソフトウェアの機能や満たすべき性能を明確にしていくことが必要となる。この過程がプロジェクトの成否の鍵を握るといっても過言ではない。業務要件定義は、システムやソフトウェアによって何の問題を解決したいかという問いを定義する活動であるとも言える。 本講義では、システム開発に携わる、ユーザ側、システム開発者側それぞれの視点を体感しながら、業務要件定義の重要性、陥りがちな罠、押さえるべきポイントについて実践を通して習得する。特に「結果を知るスピード」を重視したビジネス開発手法であるアジャイル(ビジネス部門のコン トロールの下、小さな開発・フィードバックといった改善サイクルを通じて柔軟に方向転換し、ユ ーザの要望を取り入れることができる)を主として扱う。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。詳細は講座ホームページ(https://www.project.gsm.kyoto-u.ac.jp/pib/)参照 非常勤講師:東京海上日動システムズ 佐藤 哲治 様 |
||||||||||||
(到達目標) | 「ユーザー視点のITシステム設計実践(業務要件定義実践)」を理解し、おかれている状況に対して有効な手段で業務要件定義においての合意形成をはかることができるようになる。 | ||||||||||||
(授業計画と内容) | ● 要望を出すユーザ側、開発するIT従事者側の両方を想定した、総合的な演習とする。 ● 演習で作成した要件定義により、実際に開発されたアプリケーションを体感することで、理解を深める。 ● 本講義は「ユーザー視点のITシステム設計実践」であるため、講義ではプログラム開発は実施しない。 8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。 1.要求開発とは (1)全体説明 (2)ウォータフォール開発に関する講義 ・ウォータフォールの開発手法である要件定義から機能テストまで各開発工程ごとにポイントを学ぶ。 ・プロセスだけでなくUI/UXへの考慮やテストの重要性なども含めて学ぶ。 (3)アジャイル開発に関する講義 ・アジャイル開発に必要となる主な手法についてポイントを学ぶ。(ユーザーストーリー、プロダクトバックログ、プランニングポーカー、テスト駆動開発) 2.アジャイル開発に関するケーススタディ (1)グループに分かれて、WEBアプリの要件定義を作成する。 ・ユーザーストーリーマッピング、画面遷移図・画面レイアウト、プロダクトバックログ、の作成 ・このケーススタディから実際にアプリケーションを開発する。(講師側で用意) (2)前日のケーススタディから実際に開発されたアプリケーションをレビューする。 ・開発された実際のアプリ(モックアップ、プロトタイプ)を触りながら、当初想定とのかい離を確認し、原因について議論する。 ・要件定義のGOOD/BAD POINTについての解説 ・要件定義を深めるためのインタビューの演習 3.全体解説とまとめ (1)全体解説 (2)講師から解答例をデモを交えて紹介する (3)まとめと質疑応答 非常勤講師の東京海上日動システムズ 佐藤 哲治氏は、2013年同社に入社、保険業務の基幹システムの開発・運用を担当した後、2017年より東京海上グループのデジタルイノベーションに参画。プロダクトデザインコーチとしてビジネス部門にユーザー中心設計を広めるとともに、アジャイル開発チームのマネジメントを務めている。 |
||||||||||||
(履修要件) |
受講人数を制限することがあります。
その場合、情報学ビジネス実践講座プログラム(https://www.project.gsm.kyoto-u.ac.jp/pib/)登録者を優先します。 |
||||||||||||
(成績評価の方法・観点及び達成度) | 講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。 なお、講義時間(コマ)全体の2/3以上の出席がなければ、単位は付与しない。 |
||||||||||||
(教科書) |
使用しない
|
||||||||||||
(参考書等) |
授業中に紹介する
|
||||||||||||
(関連URL) | https://www.project.gsm.kyoto-u.ac.jp/pib/ 情報学ビジネス実践講座 | ||||||||||||
(授業外学習(予習・復習)等) | 受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。 | ||||||||||||
(その他(オフィスアワー等)) | オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。 村野 剛太:murano.gota.3u@kyoto-u.ac.jp |
||||||||||||
ユーザー視点のITシステム設計実践
(科目名)
IT System Design Practice in Business
(英 訳)
|
|
|||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | ||||||||||
(開講年度・ 開講期) 2024・前期集中 (配当学年) 大学院生 (対象学生) 全学向 |
||||||||||
(曜時限)
集中 集中 (教室) 総合研究2号館講義室3 |
||||||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||
(授業の概要・目的)
日程: 集中 9月19日(木)、20日(金)(2限〜5限)
「ユーザー視点のITシステム設計実践(業務要件定義実践)」 システムやソフトウェアの開発プロセスを分解すると、次のように分けられる。 A. 問題点やニーズを見つけ出し、それへの解決策を練ること B. その解決策をシステムやソフトウェアに実装できるように定義すること このうちAを実践する有力なツールに「デザイン思考」がある。また、Bのプロセスは専門的には「業務要件定義」と呼ばれ、現場の要求を正確に開発者に伝える重要なやり取りである。なお実際にはこの後に、プログラミングしてそれを実現することが続く。本科目では、このBにあたる「業務要件定義」を「ユーザー視点のITシステム設計実践」としてとらえ、講義と演習によって習得する。 デザイン思考などの手法によって問題点やニーズとそれへの解決案ができたら、次は「要件定義」、すなわち実現するシステムやソフトウェアの機能や満たすべき性能を明確にしていくことが必要となる。この過程がプロジェクトの成否の鍵を握るといっても過言ではない。業務要件定義は、システムやソフトウェアによって何の問題を解決したいかという問いを定義する活動であるとも言える。 本講義では、システム開発に携わる、ユーザ側、システム開発者側それぞれの視点を体感しながら、業務要件定義の重要性、陥りがちな罠、押さえるべきポイントについて実践を通して習得する。特に「結果を知るスピード」を重視したビジネス開発手法であるアジャイル(ビジネス部門のコン トロールの下、小さな開発・フィードバックといった改善サイクルを通じて柔軟に方向転換し、ユ ーザの要望を取り入れることができる)を主として扱う。 「情報学ビジネス実践講座」:京都大学と協力企業(ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気)が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。詳細は講座ホームページ(https://www.project.gsm.kyoto-u.ac.jp/pib/)参照 非常勤講師:東京海上日動システムズ 佐藤 哲治 様 |
||||||||||
(到達目標)
「ユーザー視点のITシステム設計実践(業務要件定義実践)」を理解し、おかれている状況に対して有効な手段で業務要件定義においての合意形成をはかることができるようになる。
|
||||||||||
(授業計画と内容)
● 要望を出すユーザ側、開発するIT従事者側の両方を想定した、総合的な演習とする。 ● 演習で作成した要件定義により、実際に開発されたアプリケーションを体感することで、理解を深める。 ● 本講義は「ユーザー視点のITシステム設計実践」であるため、講義ではプログラム開発は実施しない。 8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。 1.要求開発とは (1)全体説明 (2)ウォータフォール開発に関する講義 ・ウォータフォールの開発手法である要件定義から機能テストまで各開発工程ごとにポイントを学ぶ。 ・プロセスだけでなくUI/UXへの考慮やテストの重要性なども含めて学ぶ。 (3)アジャイル開発に関する講義 ・アジャイル開発に必要となる主な手法についてポイントを学ぶ。(ユーザーストーリー、プロダクトバックログ、プランニングポーカー、テスト駆動開発) 2.アジャイル開発に関するケーススタディ (1)グループに分かれて、WEBアプリの要件定義を作成する。 ・ユーザーストーリーマッピング、画面遷移図・画面レイアウト、プロダクトバックログ、の作成 ・このケーススタディから実際にアプリケーションを開発する。(講師側で用意) (2)前日のケーススタディから実際に開発されたアプリケーションをレビューする。 ・開発された実際のアプリ(モックアップ、プロトタイプ)を触りながら、当初想定とのかい離を確認し、原因について議論する。 ・要件定義のGOOD/BAD POINTについての解説 ・要件定義を深めるためのインタビューの演習 3.全体解説とまとめ (1)全体解説 (2)講師から解答例をデモを交えて紹介する (3)まとめと質疑応答 非常勤講師の東京海上日動システムズ 佐藤 哲治氏は、2013年同社に入社、保険業務の基幹システムの開発・運用を担当した後、2017年より東京海上グループのデジタルイノベーションに参画。プロダクトデザインコーチとしてビジネス部門にユーザー中心設計を広めるとともに、アジャイル開発チームのマネジメントを務めている。 |
||||||||||
(履修要件)
受講人数を制限することがあります。
その場合、情報学ビジネス実践講座プログラム(https://www.project.gsm.kyoto-u.ac.jp/pib/)登録者を優先します。 |
||||||||||
(成績評価の方法・観点及び達成度)
講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。
なお、講義時間(コマ)全体の2/3以上の出席がなければ、単位は付与しない。 |
||||||||||
(教科書)
使用しない
|
||||||||||
(参考書等)
授業中に紹介する
|
||||||||||
(授業外学習(予習・復習)等)
受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。
|
||||||||||
(その他(オフィスアワー等))
オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。
村野 剛太:murano.gota.3u@kyoto-u.ac.jp |
||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
人工知能特論
|
(英 訳) | Artificial Intelligence, Advanced | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 2 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・後期集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 11月9日(土),15日(金),16日(土),23日(土) 各日2〜5時限 |
||||||
(教室) | 総合研究7号館情報3 | ||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 今や翻訳ツールや画像認識など、日常生活においても特別な存在ではなくなった「人工知能」は、これからも更なる発展が予想され、今後の企業の競争力において非常に重要な役割を担うと考えられている。一方で、人類は未だ「知性」や「知能」に対して明確な定義を持っておらず、「人工知能」という言葉の定義は現在も曖昧さを含んでいる。そこで、本講義では人工知能誕生の歴史的背景から現在の進化さらには今後の展望に至るまでを時系列で整理した上で、認識、分析、制御の3つの観点から技術面・応用面を含め体系的に捉え、さらには、受講生の自らの専門領域での適用可能性の考察を促し、「人工知能」の将来についての展望を講述する。 | ||||||
(到達目標) | 人工知能を正しく理解しその内部構造の技術を応用できるような水準になることを目指す。 | ||||||
(授業計画と内容) | 講義日程(仮)11月11日(土),17日(金),18日(土),25日(土), 集中講義形式で以下のような合計15回の講義を行う予定である。「認識」,「分析(理論その2)」「分析(応用)」については企業からの非常勤講師を招聘する予定である。学習の理解度に応じて、内容を変更する場合がある。 1.イントロダクション(1回) 人工知能とは(1回) 2.認識(5回) 理論(3回)・ベイズ決定理論 ・教師なし学習(最尤推定、ベイズ推定) ・教師あり学習(ニューラルネット、SVM、AdaBoost等) 応用(2回)・画像認識(2次元) ・音声認識(時系列) 3.分析(6回) 理論その1(2回) ・データ分析の一般手法について <関係性を知る> 相関分析、主成分分析、因子分析、等 <グループ化する> ABC分析、クラスター分析、等 <予測する> 回帰分析、判別分析、決定木分析、時系列分析、等 理論その2(2回) ・複数のモデルの結合によるアルゴリズム 勾配ブースティング、ランダムフォレスト、異種混合学習、混合モデル、 EMアルゴリズム、等 応用(2回) ・需給予測 4.制御(1回) コントロールへの応用を学ぶ 5.人工知能の将来(2回) 人工知能と周辺領域との関係(1回) 受講生が自らの専門領域での適用を検討し人工知能全般への理解を深める(1回) 講義の進度や非常勤講師招聘の状況に応じて,日程を調整し,また内容を取捨・追加することがある。 |
||||||
(履修要件) |
線形代数学、基礎的な確率・統計を既に受講しているか、同等の知識を有することが望ましい。
|
||||||
(成績評価の方法・観点及び達成度) | 講義ごとのレポートならびに講義終了後のレポートにより総合的に判断する。 | ||||||
(教科書) |
特に定めない。必要な資料は講義において配布する。
|
||||||
(参考書等) |
必要に応じて講義内で紹介する。
|
||||||
(授業外学習(予習・復習)等) | 講義の効果を高めるため事前予習を課す場合がある。 履修登録者は,線形代数学,基礎的な確率・統計の内容についての予習用e-learning教材を視聴可能にする予定である。 |
||||||
(その他(オフィスアワー等)) | |||||||
人工知能特論
(科目名)
Artificial Intelligence, Advanced
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・後期集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 11月9日(土),15日(金),16日(土),23日(土) 各日2〜5時限 (教室) 総合研究7号館情報3 |
|||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
今や翻訳ツールや画像認識など、日常生活においても特別な存在ではなくなった「人工知能」は、これからも更なる発展が予想され、今後の企業の競争力において非常に重要な役割を担うと考えられている。一方で、人類は未だ「知性」や「知能」に対して明確な定義を持っておらず、「人工知能」という言葉の定義は現在も曖昧さを含んでいる。そこで、本講義では人工知能誕生の歴史的背景から現在の進化さらには今後の展望に至るまでを時系列で整理した上で、認識、分析、制御の3つの観点から技術面・応用面を含め体系的に捉え、さらには、受講生の自らの専門領域での適用可能性の考察を促し、「人工知能」の将来についての展望を講述する。
|
|||||||
(到達目標)
人工知能を正しく理解しその内部構造の技術を応用できるような水準になることを目指す。
|
|||||||
(授業計画と内容)
講義日程(仮)11月11日(土),17日(金),18日(土),25日(土), 集中講義形式で以下のような合計15回の講義を行う予定である。「認識」,「分析(理論その2)」「分析(応用)」については企業からの非常勤講師を招聘する予定である。学習の理解度に応じて、内容を変更する場合がある。 1.イントロダクション(1回) 人工知能とは(1回) 2.認識(5回) 理論(3回)・ベイズ決定理論 ・教師なし学習(最尤推定、ベイズ推定) ・教師あり学習(ニューラルネット、SVM、AdaBoost等) 応用(2回)・画像認識(2次元) ・音声認識(時系列) 3.分析(6回) 理論その1(2回) ・データ分析の一般手法について <関係性を知る> 相関分析、主成分分析、因子分析、等 <グループ化する> ABC分析、クラスター分析、等 <予測する> 回帰分析、判別分析、決定木分析、時系列分析、等 理論その2(2回) ・複数のモデルの結合によるアルゴリズム 勾配ブースティング、ランダムフォレスト、異種混合学習、混合モデル、 EMアルゴリズム、等 応用(2回) ・需給予測 4.制御(1回) コントロールへの応用を学ぶ 5.人工知能の将来(2回) 人工知能と周辺領域との関係(1回) 受講生が自らの専門領域での適用を検討し人工知能全般への理解を深める(1回) 講義の進度や非常勤講師招聘の状況に応じて,日程を調整し,また内容を取捨・追加することがある。 |
|||||||
(履修要件)
線形代数学、基礎的な確率・統計を既に受講しているか、同等の知識を有することが望ましい。
|
|||||||
(成績評価の方法・観点及び達成度)
講義ごとのレポートならびに講義終了後のレポートにより総合的に判断する。
|
|||||||
(教科書)
特に定めない。必要な資料は講義において配布する。
|
|||||||
(参考書等)
必要に応じて講義内で紹介する。
|
|||||||
(授業外学習(予習・復習)等)
講義の効果を高めるため事前予習を課す場合がある。
履修登録者は,線形代数学,基礎的な確率・統計の内容についての予習用e-learning教材を視聴可能にする予定である。 |
|||||||
(その他(オフィスアワー等))
|
|||||||