Frontier of the Data Analysis

Course Title

Course Title in English

Frontier of the Data Analysis

Course Type

Major Courses

ー

Eligible Students

School of Social Information Science

Target Grade

1Year

Course Numbering Code

KCJBS1MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Fall semester 2026

Instructor

笹嶋宗彦

Affiliation

情報科学研究科・社会情報科学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

特になし

Contact

sasajima@sis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

2◎／1〇／3〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的

現代社会において，利用可能なビッグデータを解析して，有効な経営戦略を立てることが，企業の死命を制するといっても過言ではない．他方，その中心的役割を果たすデータサイエンティストという職業は比較的新しく，社会的に広く認知されているとは言い難い．データ分析業務の最前線にたって活躍している企業人やビッグデータ解析の研究をおこなっている最先端の研究者をお招きして，現場のデータ分析とその活用をどのようにおこなっているのかをご紹介いただき，最先端技術を学ぶと同時に，職業としてのデータ分析を理解することを目的とする．

到達目標

データサイエンティストが活躍する業種や業務を実際の体験談から学び，その職業と，就職までに身に付けるべきスキルを説明できるようになることを到達目標とする．

Subtitle and Keywords of the Class

Course Overview and Schedule

講義内容
企業や研究機関などで，ビッグデータ分析の最前線にたって活躍している企業人やビッグデータ解析の研究をおこなっている最先端の研究者をお招きして，現場のデータ分析とその活用をどのようにおこなっているのかをご紹介いただく．
講義期間中に複数回のレポート提出を課題とし，理解度を評価する．
具体的な講義内容については，初回のオリエンテーションで説明する．
授業計画
１．オリエンテーション
２〜３：企業・研究機関等からのゲスト講師による講義(1)
４〜５：企業・研究機関等からのゲスト講師による講義(2)
６〜７：企業・研究機関等からのゲスト講師による講義(3)
８〜９：企業・研究機関等からのゲスト講師による講義(4)
１０〜１１：企業・研究機関等からのゲスト講師による講義(5)
１２〜１３：企業・研究機関等からのゲスト講師による講義(6)
１４〜１５：企業・研究機関等からのゲスト講師による講義(7)
なお，2025年度の講義では，下記の企業，研究機関から出講いただいたが，先方の事情に応じて，講義内容や出向元組織が変更となる場合があるので，留意頂きたい．
(順不同)ニフティ株式会社，株式会社ザイマックス不動産総合研究所，株式会社Hakuhodo DY ONE，BIPROGY株式会社総合技術研究所，株式会社セゾンテクノロジーマーケティング部，株式会社帝国データバンク，

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない。

Textbook

必要に応じて資料を配布する

References

必要に応じて適宜紹介する．

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

毎回，次回の講義についての予告と，次回までの作業を指示する．
事前学習：次回講義のトピックや業種についての調査と情報収集(各メディア，オンライン)，目安2時間，計30時間
事後学習：講義内容の復習と，講師から指示された課題の実施．目安2時間，計30時間

Contents of Active Learning

外部講師の講義内容に応じて，グループディスカッションを行ったり，グループで課題製作に取組んだりする場合がある．

Grading Criteria and Methods

成績評価の基準
データ分析の最先端の現状を知り、学位授与の水準に達していると認められる者については、講義目的・到達目標に記載するデータサイエンティストという職業への理解の到達度に基づき、S（90点以上）、A（80 点以上）、B（70点以上）、C（60点以上）による成績評価のうえ、単位を付与する。
成績評価の方法
授業への取組姿勢(30％)、レポート(70%)を総合的に評価する。授業への取組姿勢とは、単なる出席ではなく、講師が設定する課題(グループワークや個人演習課題)の出来栄えや、講義に対する質問や意見の内容（講義中の直接の質問の他、レポート課題中に講義に対する質問や意見を問うものを含める）を総合的に評価する。なお、授業実施の状況に応じて、評価点数の配分は変更される可能性がある。

How to Disclose Assignments and Exam Results

講義期間中の課題については，優秀な課題を全体の前で講評し紹介する場合がある．
期末の課題については，評価についての質問があった場合に，個別に対応する．

Precautions and Requirements for Course Registration

・社会情報科学部の必修科目である。

Practical Education

該当しない

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data