経済学部の特徴ある数理・データサイエンス科目紹介
2020年4月に開設された「データサイエンスコース」で提供を開始した数理・データサイエンス科目を紹介します。また、2021年度より全学的に展開する数理・データサイエンスセンターによる
データサイエンス教育プログラムの開始に伴い、いくつかの科目は経済学部以外の学部にも提供されます。
2020年度以降
| 科 目 名 | ＡＩと経済 |
| 配当年次 | 1年次 |
| レベル | 基礎教育レベル |
| 科目群 | データサイエンス科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための必修科目（数理・データサイエンスセンター提供の「データサイエンス入門」でもよい） |
| 授業の目的・目標 | 「AIとは何か」といった初歩的な内容から始まり、AIと社会・経済との関係、AIを使った社会問題の解決、AI自体が直面している様々な課題、などの基本的な内容を取り扱います。
講義の目的は、受講者がAI技術ならびにAIが社会・経済で果たす役割、政策動向などに関する最新の知識を修得することやビジネスの現場におけるデータ分析の必要性・重要性を理解することです。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（竹村敏彦）まで連絡してください。 |
| 科 目 名 | データサイエンスの基礎 |
| 配当年次 | 2年次 |
| レベル | 基礎教育レベル |
| 科目群 | データサイエンス科目／数理・統計科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | この授業ではMicrosoft ExcelやR(無料の統計ソフト)などを用いて、データ分析のやり方の初歩をわかりやすく説明します。また、自ら設定した仮説をデータ基づいて図表を用いてわかりやすく伝える方法を説明します。
ExcelやRなどを用いて、図表を作成することでデータに基づいた主張ができるようになることを目的とします。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（髙橋達・宮下春樹）まで連絡してください。 |
| 科 目 名 | AIプログラミングの基礎 |
| 配当年次 | 2年次 |
| レベル | 基礎教育レベル |
| 科目群 | 情報・ＡＩ科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | 人間の知的な振る舞いは知覚や推論、問題解決など幅広く、それらをコンピュータで実現するAI (人工知能) においても多くの手法が提案されている。本講義（演習）では人工知能分野の代表的な考え方をコンピュータ上のプログラムを通じて実践的に獲得する。それぞれの手法についてプログラムの挙動を確認し、何ができるのかを把握したうえで動作の仕組みを考察していく。受講者は、自らが実際にプログラムの動作を確認することで基本的な考え方等の理解を深めることが期待される。
本講義では、初歩的なところからはじめ、受講者が講義と演習を通して、物事を筋道立てて考えるプログラミングの基礎を理解できるようになることを目指します（本講義はプログラミング未経験者を想定しています）。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（竹村敏彦）まで連絡してください。 |
| 科 目 名 | 社会科学におけるデータサイエンス |
| 配当年次 | 3年次 |
| レベル | 専門教育レベル |
| 科目群 | データサイエンス科目／情報・ＡＩ科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | 本講義では、身に付けたスキルや知識をさらに応用させ、Rなどを用いて経済学、経営学、政治学等に関するデータ分析・シミュレーションを内容として取り扱います。
本講義の目的は、調査研究の背景に関する知識、プログラミング、統計手法について実際の事例を用い、また自らの手でこれらの一連の内容を理解し、実践できるようになることにあります。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（竹村敏彦）まで連絡してください。 |
| 科 目 名 | 金融データ分析 |
| 配当年次 | 3年次 |
| レベル | 専門教育レベル |
| 科目群 | データサイエンス科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | 本講義では、（Nikkei Financial Questにある企業の株価データやアンケート調査データなどの）金融データを用いた分析に関する理論ならびにデータ分析に関する内容を取り扱います。 本講義の目的は、大規模な金融データを分析する手法を身に付けるとともに、企業や個人の金融行動に関する理論について理解することです。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（竹村敏彦）まで連絡してください。 |
| 科 目 名 | 定量的政策評価 |
| 配当年次 | 3年次 |
| レベル | 専門教育レベル |
| 科目群 | データサイエンス科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | 本講義では、定量的分析による政策評価の基礎を学習します．公共事業や規制など行政が実施する政策には、良い面（社会的便益）がある一方で、コスト（社会的費用）も伴います。できるだけ効率的な政策を立案するためには、政策による社会的便益と社会的費用を定量的に評価・分析することが必要です。本講義では、Rなどのソフトウェアを用いて、電力市場の自由化などのケース・スタディを通じて、公共事業や規制の費用便益分析を学習します。
「費用便益分析の考え方を理解できる」「定量的な分析のために必要なデータと取得や加工方法について理解できる」「エクセルやRなどを用いた部分均衡アプローチによる定量的なモデル分析を行い、政策評価をすることができる」ことを本講義の目的としています。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（髙橋達）まで連絡してください。 |
| 科 目 名 | ゲーム理論とＡＩ |
| 配当年次 | 3年次 |
| レベル | 専門教育レベル |
| 科目群 | 数理・統計科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | ゲーム理論とは社会や自然界における複数主体が関わる意思決定の問題や行動の相互依存的状況を分析する学問であり、経済学や経営学において必要不可欠な理論となっています。本講義では、プログラミングを通じてゲーム理論の基礎を学びます。ゲーム理論の初歩的な内容を理解するとともにこれまで培ってきたプログラミングスキルでもって、社会・経済現象を多面的に説明できるようになるスキルを身に着けることを目的としています。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（宮下春樹）まで連絡してください。 |
| 科 目 名 | 応用ＡＩプログラミング |
| 配当年次 | 3年次 |
| レベル | 専門教育レベル |
| 科目群 | 情報・ＡＩ科目 |
| 必修・選択の別(1) | データサイエンスコースの選択必修科目（2020年度以降入学生対象） |
| 必修・選択の別(2) | 2021年度以降の入学生はプログラム 修了のための選択必修科目 |
| 授業の目的・目標 | 本講義では、Pythonなどによる機械学習や深層学習のプログラミングスキルなどを用いて、社会における諸問題に対する実践的なシミュレーションなどに関する内容を取り扱います。本講義の目的は、経済や経営における諸問題を解決するための実践的な機械学習・深層学習のプログラミングスキルなどを身に付けて、問題解決を図ることです。 |
| 備考 | ・2019年度以前に入学した経済学部の学生で聴講を希望する場合は、担当者（竹村敏彦）まで連絡してください。 |
