理工学部Faculty of Science and Engineering
COT300XE（計算基盤 / Computing technologies 300）ビッグデータ情報分析Big Data Information Analysis
森 信一郎Shinichiro MORI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2021 |
| 授業コードClass code | H6129 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 水4/Wed.4 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー＜理工学部＞Category |
応用情報工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
In this cource we will outline data processing technology and mathematical optimization technology that extracts knowledge based on utilization method of "big data". To aim at learning its constituent elements through utilization of knowledge, and recognizing the infinite possibility of data.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
システムのクラウド化が進むに伴いあらゆるデータがクラウドに集められる「ビックデータ」の活用が注目されている。本特論では「ビックデータ」の活用方法をベースに知識を抽出するデータ加工技術や数理最適化技術について概説する。それらの知識の活用方法に触れて知識とは何かを学び、データが持つ無限の可能性を認識する。
到達目標Goal
・ビックデータは社会でどの様に活用されているのかを説明できる
・ビックデータから知識を抽出する技法（データマイニング）の基礎を理解する
・数理最適化処理手法を説明できる
・数理最適化手法を実践利用できる
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」と「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
授業形態は講義形式で行う。必要に応じてグループ学習、授業内発表を含めた課題解決型実践講義を行う。また、課題などのフィードバックは学習支援システムや授業などで行う。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
※各回の授業形態は予定です。教員の指示に従ってください。
1：ガイダンス
（ビックデータ分析演習）
授業の進め方についてガイダンスを行う。提出課題などについても説明する。ガイダンス終了後、実際にビックデータを使った分析演習を行う
2：ビックデータと社会
ビックデータやマイニング技術が社会でどのようにとらえられているのか、導入に伴う課題は何かについて概説する
3：平均・分散・標準偏差
これまでに学習した統計用語などについて再確認を行う
4：主成分分析と分散共分散行列
データ分析に多用される主成分分析とそれを理解するための分散共分散を概説する
5：回帰分析
データ分析に多用される回帰分析の基礎ついて概説する
6：サポートベクタマシン
機械識別のひとつであるサポートベクタマシンについて概説する
7：中間試験
前半のまとめを行う
8：リフレクション
これまでの振り返りと社会における大学の関わりについて議論する
9：数理最適化
データ分析における数理の最適化ついて概説する
10：LP双対問題
ＬＰ双対問題について概説する
11：最適化の条件１
最適化問題の解法理論（極値と停留点、テイラー展開。勾配ﾍﾞｸﾄﾙ）を概説する。
12：最適化の条件２
最適化問題の解法理論（ラグランジュ関数、KKT条件）を概説する
13：数理最適化と機械学習
最適解を求める基本である最尤推定法、ロジスティック回帰について概説する
14：期末試験
最終まとめを行う
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習等の授業時間外学習は、4時間を標準とする】授業の復習を必ず行う。 予習内容については授業終了時に知らせるので、次授業までに調べておくこと。
テキスト（教科書）Textbooks
なし
参考書References
・数理最適化の実践ガイド 穴井宏和著 講談社
・Excelで学ぶOR 藤澤 克樹, 後藤 順哉, 安井 雄一郎 著 オーム社
成績評価の方法と基準Grading criteria
中間試験 35% 期末試験 45% 提出課題20%
※ 提出課題については初回ガイダンスで説明する
学生の意見等からの気づきChanges following student comments
知識の詰め込みだけではなく、より深い理解に向けて技術がどの様に社会のシステムに活用されるのかを学生に経験させる
学生が準備すべき機器他Equipment student needs to prepare
・演習を行うためのノートパソコンが必要
・Microsoft Excel2010以降が必要
その他の重要事項Others
初回よりPCの持参が必要