科目名[英文名]
機械学習による企業の競争優位性の創出（国際学類を除く人社学域学生）
担当教員[ローマ字表記]
福井 幸博
科目ナンバー
-----
科目ナンバリングとは
時間割番号
1000E.2
科目区分
-----
講義形態
-----
開講学域等
人間社会学域
適正人数
19人
開講学期
Q4
曜日・時限
火3
単位数
1単位
授業形態
60単位上限
対象学生
-----
キーワード
-----
講義室情報
人間社会第１講義棟 202講義室（対面のみ）
開放科目
-----
備考
-----
授業の主題
企業は競争力を強化するために人工知能（AI）をビジネスに取り入れていますが、事業領域の中で具体的に「どのように使うか」という視点が不可欠であり、人工知能のビジネスでの活用に必要な知識を理解すること。
学修目標（到達目標）
以下にあげる項目の達成を目指します。
・機械学習とは何かを理解する。
・ビジネスにおける競争戦略と人工知能の活用を理解する。
・産業別の人工知能の応用を理解する。
・学んだ知識を実際のビジネスケースに応用できるようになる。
授業概要
特になし
講義スケジュール
講義回
テーマ
具体的な内容
担当教員
1
機械学習とビジネスの基礎
・機械学習の基本理念の理解
・機械学習とビジネスの関連性
・企業が機械学習をなぜ導入するのか？
2
機械学習の主要な技術とアルゴリズム
・機械学習の機能の理解（可視化、分類、予測）
・実際のビジネスケースでの可視化、分類、予測の成功事例
・現場での機械学習の実践的な利用法の理解
3
機械学習の開発
・問題の定義と理解
・データ収集
・データの前処理
・特徴量エンジニアリング
・モデル選択とトレーニング
・モデル評価等
4
企業の競争戦略の種類と説明
・競争戦略の基本概念
・コストリーダーシップ、差別化、焦点化などの競争戦略の説明
・機械学習がこれらの戦略にどのように組み込まれているか
5
ビジネス課題の解決における機械学習
・機械学習を使ってビジネス課題をどのように解決できるか
・事例研究: ビジネス上の問題を解決した機械学習の応用例
6
産業別の機械学習の応用（その１）
・様々な事業領域への機械学習の展開
・産業界ごとに異なる機械学習の成功事例等
7
産業別の機械学習の応用（その2）
同上
8
機械学習の将来の展望と進化
・学んだ知識を実際のビジネスケースに応用する方法
評価方法と割合
評価方法
次項の項目及び割合で総合評価し、次のとおり判定する。
「Ｓ（達成度90％～100％）」、「Ａ（同80％～90％未満）」、
「Ｂ（同70％～80％未満）」、「Ｃ（同60％～70％未満）」を合格とし、
「不可（同60％未満）」を不合格とする。（標準評価方法）
評価の割合
【授業には３分の２以上の出席を必要とする】
・（16）％ 小テスト
・（84）％ レポート
授業時間外の学修に関する指示
予習に関する指示
特になし
予習に関する教材
復習に関する指示
授業内で説明された用語の意味や内容を復習し、理解すること。
復習に関する教材
教科書・参考書
教科書・参考書補足
特になし
オフィスアワー等（学生からの質問への対応方法等）
メールにて対応する。fukuiyukihiro@hiac.or.jp
履修条件
特になし
特記事項
特記事項
特になし
ページの先頭へ