Society5.0に対応した高度技術人材育成

enPiT everi 社会人向け「人工知能・ロボット・IoT」に関する短期講義・演習プログラム

MENU

科目一覧

(ただいま期間外)新型コロナによるパラダイムシフトが起きた観光業界をどう変えるか?関門で実証実験する場

おもてなしIoT実践的ラボ

  • LAB
  • 実習
         
科目名 おもてなしIoT実践的ラボ
科目名(英名) Omotenashi IoT(Tourism Labo)
担当講師(氏名・所属) 山崎 進(北九州市立大学)、呉 翠玲(北九州市立大学)
分類 コース必修
授業形態 実習

全大学

VoD講義+各自プログラミング演習+Zoomディスカッション (全講義・演習が自宅等からの受講が可能)
※ディスカッション日時については受講者に追って連絡
時数 24コマ
時間数(コマ数✕1.5) 36時間
授業の概要 (この科目は後期(10月〜3月期)に実施したものです。前期(4月〜9月期)は受講できません)
地域創生・観光業は,飲食業・宿泊業・運輸業など幅広い業種を横断する業態である。したがって、IoT/AIの導入により、業界の枠を超えた動線を分析できることが期待されるが、現状ではオープンデータ等の整備が不足しており、有効な分析をすることができない。
そこで本授業では、一店舗・一事業所の売り上げ・仕入れのデータのような、すぐに入手できるデータから着手し、その範囲で有効なマーケット分析を行い、さらに必要なデータを収集する仕掛けを開発する。この授業の中で扱うデータは実際の業者や官公庁から得られた実データである。データ分析を行なったあと、施策について業者を交えて議論し、実際に業者が実施して結果を得る。
到達目標 ・統計・機械学習に基づくデータ解析プログラムを利用する方法を説明できる。
・オープンデータや業者の一店舗・一事業所の売り上げ・仕入れのデータなどの今入手できる範囲のデータを統合して分析し、マーケティング上の仮説や施策を編み出すことができる。
・さらにどんなデータを集めれば、狙いとする情報を精度良く収集できるかを提案し、そのデータを収集する仕組みを実装できる。
難易度 ★★★
分野別難易度(前提知識) 産業:★
機械学習:★
データ解析:★
Pythonプログラミング:★★
履修上の注意
(準備学習・前提知識)
Pythonプログラミングをしたことがなければ、プログラミング演習を履修すること。AI/ビッグデータ、機械学習、データ解析を履修すること。
授業計画・内容 授業計画・内容については、大筋で下記の内容であるが、カリキュラム構成の追加検討により、短縮版の授業計画も策定中であるため、若干の調整を行う可能性がある。

1.オリエンテーション
2.データ分析の工程/例題の位置付け
3.統計・機械学習の手法の概観
4.RFM分析演習〜準備
5.RFM分析演習〜演習用売り上げデータAの可視化
6.RFM分析演習〜演習用売り上げデータBの可視化による復習
7.RFM分析演習〜演習用売り上げデータAのドリルダウン
8.ディスカッション〜ドリルダウンで得られた仮説について
9.RFM分析実習〜可視化
10.RFM分析実習〜ドリルダウン
11.ディスカッション〜実習で得られた仮説について
12.ディスカッション〜実習で得られたアクションについて
13.マーケット分析演習〜e-Statデータの可視化
14.マーケット分析実習〜e-Statデータ等各種オープンデータの可視化
15.ディスカッション〜RFM分析とマーケット分析の比較考察について
16.施策提案
17.施策のKPIを設定
18.KPIの測定方法の考察
19.データ収集・測定方法の実装
20.収集したデータの可視化の実装
21.機械学習演習
22.機械学習実装演習
23.機械学習の実装〜データ収集・測定について
24.まとめとふりかえり
事前・事後学習の内容 ・授業時間中に終わらなかった演習等を積極的に行うこと
・Chatwork によるフォローアップあり
成績評価の方法 到達目標1: クイズ(20%)
到達目標2:
 開発したプログラムコード 2回(10%)
 プレゼンテーションとディスカッション 2回(30%)
到達目標3:
 開発したプログラムコード 2回(10%)
 プレゼンテーションとディスカッション 1回(15%)
積極的な授業への参加(15%)
教科書・参考書等 授業中に必要な資料を配布する
キーワード 地域創生、観光業、IoT、マーケティング分析、統計、機械学習