授業科目名	大規模生命情報解析学
時間割番号	LBT333
担当教員名	鈴木　一克／髙橋　俊哉
開講学期・曜日・時限	後期・金・I	単位数	1
＜対象学生＞
生命工学科３年次生
＜授業の目的＞
本授業科目は、大規模生命情報解析学を学ぶことにより、医療ビッグデータを活用した機械学習や人工知能を用いたドラッグリポジショニング、データベース研究や個人情報・著作権を踏まえたデータの取り扱い、企業が求める人材・能力などを理解し、実践的なスキルを身に付けることを目的としています。
＜本授業科目による獲得・涵養が特に期待されるコンピテンシー＞（能力・資質）
生命環境学部>生命工学科向け 記号 コンピテンシー（能力・資質）   BT-A 専門 知識 生命工学分野における情報をデータサイエンスの視点から読み解く知識を習得している。 ○ BT-B 理解・検証 生命工学分野における情報をデータサイエンスの知識を用いてデータ収集から加工、解析する技術を習得している。 ○ BT-C 基礎的なプログラミング言語を駆使し、生命現象やゲノム情報などのビックデータの収集から加工、解析する技術を習得している。（バイオ・メディカルデータサイエンス特別コースに限る） ◎ BT-D 実践力 生命工学分野の専門的な知識と技術を応用し、新しいバイオテクノロジーへ活用できる。 ○
＜到達目標＞  到達目標とは
目標NO 説明 コンピテンシーとの対応 BT 1 医療ビッグデータの種類とそれを活用した応用事例を説明できる BT-A 2 Pythonを利用して機械学習や統計処理を行うことができる BT-B 3 医療ビッグデータの活用事例・演習などを通じてビジネスで求められる実践的な解析を行うことができる BT-D 4 データの適正利用に必要な個人情報保護法・著作権法について説明できる BT-A 5 企業が求める人材・能力を説明できる BT-A 6 Pythonを駆使して、医療ビッグデータの収集から加工、解析までの基本的なプロセスを行うことができる BT-C
＜成績評価の方法＞
目標No 割合 評価の観点 1 5% 課題レポートで評価する 2 5% 課題レポートで評価する 3 60% 最終レポートで評価する 4 5% 課題レポートで評価する 5 5% 課題レポートで評価する 6 20% 課題レポートで評価する 合計 100%
＜授業の方法＞
本授業では大規模生命情報解析学に関する様々な分野が取り扱われます。医療ビッグデータを活用した機械学習や人工知能を用いたドラッグリポジショニング、データベース研究、さらには個人情報・著作権を踏まえたデータの取り扱い、企業が求める人材・能力などを学びます。プログラミング言語Pythonを使った機械学習や統計処理を学ぶことで、実践的なスキルを身に付けることができます。毎回の課題レポート（感想）を通して、学びを深めていきましょう！
＜受講に際して・学生へのメッセージ＞
ビジネスの現場で大規模情報がどのように活用されているのか、その一端をご紹介します。また、実際に手を動かして大規模情報を解析することにより、ビジネスで必要とされるスキルを体験・実感していただきます。そして企業が求める人材・能力について、押さえておくべきポイントを紹介します。創薬やビッグデータ、ビジネスに興味のある方は是非受講ください。
＜テキスト＞
(未登録)
＜参考書＞
佐藤 健太郎, 創薬科学入門（改訂2版） ─薬はどのようにつくられる？, オーム社, ISBN:9784274506918 猪狩 宇司 他, 深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版, 翔泳社, ISBN:9784798165943 和田 宏徳　著/坂本 優　著/藤原 正樹　著/紋谷 暢男　監修/土肥 一史　監修, ビジネス著作権検定 公式テキスト［初級・上級］第3版, インプレス, ISBN:9784295014997
＜授業計画の概要＞
1 タイトル 製薬業界を取り巻く医療ビッグデータの種類と活用の実際（担当：高橋） 事前学習 事後学習 事前学習：事前に案内するリサーチペーパーやニュースなどのWebサイト 事後学習：授業内容の復習、課題レポート（感想） 授業内容 医薬品の研究・開発、販売における医療ビッグデータの種類とそれらを活用した取組みを概説します。 2 タイトル 人工知能×リアルワールドデータを活用したドラッグリポジショニング（担当：高橋） 事前学習 事後学習 事前学習：事前に案内するリサーチペーパーやニュースなどのWebサイト 事後学習：授業内容の復習、課題レポート（感想） 授業内容 ドラッグリポジショニングの利点と課題、実例を説明します。 3 タイトル Pythonを利用した統計処理の復習（担当：鈴木） 事前学習 事後学習 事前学習：授業内容に関する予習 事後学習：授業内容に関する復習、課題レポート（感想） 授業内容 PythonのSciPyライブラリを利用して、次回授業4.の演習で必要となる、2群間の検定等を体験します。 4 タイトル [演習] 人工知能×リアルワールドデータを活用したドラッグリポジショニング（担当：高橋） 事前学習 事後学習 事前学習：事前に案内するリサーチペーパーやニュースなどのWebサイト 事後学習：授業内容の復習、課題レポート（感想） 授業内容 医療ビッグデータを利用して副作用発現リスクならびにドラッグリポジショニングのシグナル検出標題タイトルの演習を実施します。 5 タイトル リアルワールドデータを活用したデータベース研究（担当：高橋） 事前学習 事後学習 事前学習：事前に案内するリサーチペーパーやニュースなどのWebサイト 事後学習：授業内容の復習、課題レポート（感想） 授業内容 リアルワールドデータの種類と特徴、それらを活用した各種のデータベース研究を説明します。 6 タイトル Pythonを利用した機械学習の復習（担当：鈴木） 事前学習 事後学習 事前学習：授業内容に関する予習 事後学習：授業内容に関する復習、課題レポート（感想） 授業内容 次回授業7.の演習で必要となる機械学習の手法を体験します。 7 タイトル [演習] リアルワールドデータを活用したデータベース研究（担当：高橋） 事前学習 事後学習 事前学習：事前に案内するリサーチペーパーやニュースなどのWebサイト 事後学習：授業内容の復習、課題レポート（感想） 授業内容 リアルワールドデータを利用して、2種類の薬剤クラス比較による薬剤が効果を示す患者セグメント・影響因子を解析します。 8 タイトル データの適正利用と個人情報保護法、著作権の知識＆企業が求める人材・能力（担当：高橋） 事前学習 事後学習 事前学習：事前に案内するリサーチペーパーやニュースなどのWebサイト 事後学習：授業内容の復習、課題レポート（感想） 授業内容 個人情報保護法、著作権法を概説し、データを取り扱う上で押さえておくべき注意点を説明します。また、企業が求める人材と能力、データ解析者にとって重要なマインドについてご紹介します。 9 タイトル 事前学習 事後学習 授業内容 10 タイトル 事前学習 事後学習 授業内容 11 タイトル 事前学習 事後学習 授業内容 12 タイトル 事前学習 事後学習 授業内容 13 タイトル 事前学習 事後学習 授業内容 14 タイトル 事前学習 事後学習 授業内容 15 タイトル 事前学習 事後学習 授業内容 16 タイトル 事前学習 事後学習 授業内容 17 タイトル 事前学習 事後学習 授業内容 18 タイトル 事前学習 事後学習 授業内容 19 タイトル 事前学習 事後学習 授業内容 20 タイトル 事前学習 事後学習 授業内容 21 タイトル 事前学習 事後学習 授業内容 22 タイトル 事前学習 事後学習 授業内容 23 タイトル 事前学習 事後学習 授業内容 24 タイトル 事前学習 事後学習 授業内容 25 タイトル 事前学習 事後学習 授業内容 26 タイトル 事前学習 事後学習 授業内容 27 タイトル 事前学習 事後学習 授業内容 28 タイトル 事前学習 事後学習 授業内容 29 タイトル 事前学習 事後学習 授業内容 30 タイトル 事前学習 事後学習 授業内容
＜実務経験のある教員による授業科目の概要＞
現役製薬企業のデータサイエンティストによる講義
＜前年度授業に対する改善要望等への対応＞
演習時間を十分に確保するため、各回の授業内容と順序を整理しました。
＜備考＞
(未登録)