1.ビッグデータ、IoT、人工知能（AI）の適用事例と効果を説明できるようになる
2.データサイエンスによる価値創造の概要について説明できるようになる
3.データを自業務の問題解決に活用する方法が考えられるようになる
4.目的にあった適切な手法を選択・実行することができるようになる

データ活用のリテラシーとデータサイエンス入門

【データ分析と問題解決】

工学院大学 情報学部 コンピュータ科学科 教授 博士（工学） 三木 良雄先生

1986年、京都大学工学研究科電子工学専攻修士課程修。同年、（株）日立製作所入社。中央研究所、ITプラットフォーム事業本部にて、マイクロプロセッサ設計、LSI設計用CADの開発、音楽情報処理の研究、コンピュータサーバ製品の新規企画と事業設計、ITソフトウェアサービスの事業開発に従事。2015年より現職。主な研究テーマはビッグデータ解析、人工知能による実世界分析（路線バス最適化、ロボット学習、製造機器作業分析、人材分析）。IEEE, 情報処理学会、電子情報通信学会、経営情報学会などに所属。

Ⅰ．データサイエンスとは
1.データ分析と問題解決
2.統計解析と実世界データ分析
Ⅱ．最近ＩCＴの適用事例
1.ビッグデータ （装置販売、製造業、スーパーなど
2.人工知能 （民生・金融・製造分野）
3.ＩｏＴ （福祉、製造業、農業）
Ⅲ．ＩｏＴ （福祉、製造業、農業）
1.データ収集（情報量分析）
2.課題定義 （課題分析）
3.原因分析（因果推論）
4.解決法探索（現象モデル化）
Ⅳ．データ分析方法
1.EXCELソルバー活用法
2.R言語入門
3.Python入門
4.オープンデータ活用
※希望者はPCを持参し、デモに合わせて実際にやってみてください 　内容は動作環境に依存することがありますので、ご了承ください
Ⅴ．データ活用による問題解決の実際
1.製造機器における品質管理
①．相関関係と因果関係
②．MT法入門
③．機器動作と不良発生条件の分析
2.製造機器における生産性向上
①．人材と業務のマッチング
②．IoT投資が先か？　分析が先か？
③．消費電力測定と作業分析
④．熟練作業者の特徴抽出
3.小売り業における販促、在庫管理
①．POSデータ分析の基礎
②．販売予測と在庫・生産管理
③．商品推薦と販売促進
Ⅵ．まとめ
1.データ以上に課題明確化と既知の事実関係認識が重要
2.人工知能も正しい答えに基づく学習が無ければ賢くない