Class 講義関係の主にパソコンの操作などについてまとめていきます。基礎的な内容は全体に公開していますが、発展的な内容へのアクセスには講義で伝えるパスワードが必要です。 基礎編 ******** Python超基礎1: 変数型と変数化 Google Colaboratoryを用いてPythonの基本(変数型)を学ぶ。 Python超基礎2: ColabとGoogle Driveの連携 得られたデータを整理、基本的な指標を確認しグラフに表すまで。 Python超基礎3: データの読み込みと基本操作 得られたデータを整理、基本的な指標を確認しグラフに表すまで。 Python超基礎4: データの集計 ここからは読み込んだデータの集計を行ってみる。 Python超基礎5: データの図示 ここから集計したデータをグラフに表す。 Python超基礎6: 条件抽出 データのうち条件に合うもののみを抽出した上で分析する。 Python超基礎7: ループ処理 ループで繰り返し処理を自動化する。 統計学入門 ******** 解析1:公営住宅家賃と人口・面積の関係の分析授業でも扱った公営住宅家賃のデータを元に、人口・面積との関係を重回帰分析で確認する。 マーケティング・リサーチ論 ******** 課題(2023年度) マーケティング・リサーチ論の課題について説明しているページ。 演習1:不動産データを使った家賃の決定要因の分析 名古屋市内の賃貸物件のデータ10万件を分析します。回帰分析を用いて家賃の決定要因を分析するモデルを作ったり、差の検定を用いて最寄駅による平均的な家賃の差に統計的な有意性があるのかどうかを調べたりします。 演習2: POSデータの重回帰分析 スーパーマーケットのPOSデータとデモグラフィックデータを組み合わせて重回帰分析を実行し、結果の解釈まで行います。 その他:SNS上の「集まるデータ」を用いた分析Web上に集まるデータを用いた分析、特にソーシャルリスニングの例として、@cosme上に収集された商品のレビューや評価の高さを年齢層別で比較する マーケティング情報システム論 ******** 準備実習のための準備としてGoogle Driveとの連携などを行います。 演習1: クラスタリング 行動履歴データを用いて消費者の機械的なグループ化を試みます。 演習2: 決定木分析 決定木分析を用いて、関心のある行動に影響する要因の分析を行います。 演習3: アソシエーション分析 POSデータを用いて商品同士の関連性を調べます。 経営学(中京大学) ******** マーケティングデータを使って、統計学の概念(平均, 分散…仮説検定 or 回帰分析) を一つずつ順にPython上で実装していく授業。 授業ページ データサイエンス(名古屋大学) ******** 大学院工学研究科でマーケティングの実データを用いてデータサイエンスを学ぶ科目 演習:一般化線形モデル (GLM) 演習:深層学習 (Feed-Forward Net)