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

おもてなしIoT(観光業ラボ)

  • LAB
  • 実習
         
科目名 おもてなしIoT(観光業ラボ)
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 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 1. 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。
2. 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。
3. 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。
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