理工学研究科Graduate School of Science and Engineering
COT500X3(計算基盤 / Computing technologies 500)データマイニング特論Data Mining
小林 透Toru KOBAYASHI
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学研究科Graduate School of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | YB025 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期集中/Intensive(Fall) |
曜日・時限Day/Period | 集中・その他/intensive・other courses |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
カテゴリーCategory | 応用情報工学専攻 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
【Course outline】
Data mining includes data mining technologies which contain the knowledge extraction from the big data. For example, statistics, clustering, pattern recognition, and machine learning will be explained. Business intelligence and marketing will be also lectured.
【Learning Objectives】
・Being able to understand a basic technology of the data mining
・Being able to image an application based on the data mining technology
・Being able to make a presentation about the data mining technology suitable for a study theme of each student
【Learning activities outside of classroom】
Student will read at least one book about the data mining or AI by the class starts.
Students will be expected to have completed the required assignments after each class meeting. Your study time will be more than four hours for a class.
【Grading Criteria /Policy】
Your overall grade in the class will be decided based on the following
Term-end presentation and report: 100%
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
クラウドコンピューティング技術の発展に伴い,文書、イメージ、グラフ形式データ、センサー・データなどの非構造化データを含む「ビッグデータ」が注目を集めている.本特論では,「ビッグデータ」から知識を抽出することを目的としたデータマイニング技術を扱う.具体的には,その代表的要素技術である統計解析,クラスタリング,パターン認識,機械学習を中心に,ビジネスインテリジェンスやマーケティングなどへの具体的な適用例を交えながら解説する.
到達目標Goal
本特論では,データマイニングの基礎技術を理解し,その応用としてどのようなことが実現可能かイメージできることを目指す.最終的には,各自の抱えている研究テーマに対して具体的にどんなデータマイニング技術が適用できるかを検討し,検討結果を発表できることを目指す.
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」「DP2」「DP3」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. )
授業においては,データマイニングの要素技術である統計解析,クラスタリング,パターン認識,機械学習等の基礎的な内容に触れると共に,最新の研究事例なども頻繁に取り入れていく.また,その応用事例としてビジネス分野へのインパクトを中心にその特徴の解説を試みる.本授業は講義形式で行う.また,適宜,グループディスカッション&プレゼンテーション,パソコンを利用した演習を行う.
・課題等の提出・フィードバックは「学習支援システム」を通じて行う予定である。
・オフィス・アワーで、課題(試験やレポート等)に対して講評する。
・授業の初めに、前回の授業で提出されたリアクションペーパーからいくつか取り上げ、全体に対してフィードバックを行う。
・リアクションペーパー等における良いコメントは授業内で紹介し、さらなる議論に活かす。
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
授業形態/methods of teaching:対面/face to face
※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。
第1回[対面/face to face]:データマイニングとは
~データベースにおける知識発見とデータマイニングの概念~
第2回[対面/face to face]:学習とは何か
~機械学習アルゴリズムを用いる際の方法論的問題の理解~
第3回[対面/face to face]:データマイニングとデータウェアハウス
~両者の関係,特にデータウェアハウスの役割~
第4回[対面/face to face]:知識の発見段階
~知識発見の手順~
第5回[対面/face to face]:統計解析技術
~あらましと検定法~
第6回[対面/face to face]:ベイズ統計
~ある事情が起こる確率によりある事情を分類する方法~
第7回[対面/face to face]:多変量解析
~複数の変数を持つデータの統計処理方法~
第8回[対面/face to face]:主成分分析
~複数の説明変数を持ついくつかのデータの特徴を明確にする方法~
第9回[対面/face to face]:クラスタリング1
~あるデータ群を数値データの類似性に基づいて分類する方法~
第10回[対面/face to face]:クラスタリング2
~非階層的クラスタリング方法~
第11回[対面/face to face]:パターン認識
~観測されたパターンをあるカテゴリに分類する方法~
第12回[対面/face to face]:パターン認識と機械学習
~教師あり学習と教師無し学習~
第13回[対面/face to face]:データマイニングの手順
~データマイニングのための環境整備方法~
第14回[対面/face to face]:ビジネスインテリジェンスへの応用
~実例によるビジネスへのインパクト~
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・復習時間は、各4時間を標準とします。】・授業開始前までに、データマイニングやAIに関する関連書籍を最低一冊は読破する。
・授業で出された課題を、次の授業までに完遂する。
・本授業の準備・課題実施時間は、各4時間を標準とする。
テキスト(教科書)Textbooks
授業中に適宜指定する
参考書References
授業中に適宜指定する
成績評価の方法と基準Grading criteria
・口頭発表による最終試験(100%) 、プレゼン資料提出によって決定する。
・成績評価は 100 点満点とし、 60 点以上を合格とする。
なお、オンライン講義となった場合でも、オンラインでの口頭発表を行うため、対面時と評価方法や基準は変わらない。
学生の意見等からの気づきChanges following student comments
・板書時,見やすく大きな字で,順を追って書くようにする.
・グループディスカッションとプレゼンテーション,パソコンを利用した演習など,一方的な講義形式にならないよう学生参加型の講義を行う.
学生が準備すべき機器他Equipment student needs to prepare
パソコンの持参が必要
その他の重要事項Others
オンラインでの開講となった場合、オンライン授業の方法や授業計画の変更、成績評価方法の変更などについては、学習支援システムでその都度提示する。担当教員から学習支援システムを通じた連絡がないか、日ごろからよく確認するようにしてください。