情報科学研究科Graduate School of Computer and Information Sciences
COT500K1(計算基盤 / Computing technologies 500)データマイニング特論Advanced Data Mining
赤石 美奈Mina AKAISHI
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 情報科学研究科Graduate School of Computer and Information Sciences |
添付ファイル名Attached documents | |
年度Year | 2023 |
授業コードClass code | TZ015 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 火2/Thu.2 |
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) | 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 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course introduces collective intelligence. The topics will include a quick overview of recommendation systems, clustering, ranking. Optimization, classifiers, decision trees, k-nearest neighbors, kernel methods and support vector machines and feature extraction. Students will learn how to take advantage of collective intelligence through coursework and an experimental project.
The standard time for out-of-class activities such as assignments is 4 hours per week. The evaluation will be comprehensively made by considering final report (50%) and in-class contribution (50%).
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
インターネットにより可能となった情報収集を利用することにより開けた新しい可能性について検討しながら、集合知とは何かについて考察していく。
到達目標Goal
本講義では、Webデータマイニングの分野で使われている技術やその理論について理解することを目標とする。インターネットを通じて集合知のもととなるデー タを集め、データの中に潜んでいる規則性を見つけるための各種アルゴリズムに ついて学び、データの収集・分析・解釈に関する様々な手法を身に着ける。
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」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. )
授業では、集合知に関する、身近な問題やシステムに関する具体例を取り上げ、その仕組みや動作について学習する。
授業中には、適宜、学生による発表の機会を設け、ディスカッションの中で課題へのフィードバックを行う。
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
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]:集合知とは?
ガイダンス、及び、概論
第2回[対面/face to face]:推薦
協調フィルタリングの仕組みと応用について学習する。
第3回[対面/face to face]:グループを見つける
各種のクラスタリング手法について学習する。
第4回[対面/face to face]:検索とランキング(1)
検索エンジン仕組みについて学習する。
第5回[対面/face to face]:検索とランキング(2)
ランキングの仕組みについて学習する。
第6回[対面/face to face]:最適化(1)
最適化とは何かを理解する。
第7回[対面/face to face]:最適化(2)
最適化の手法について学習する。
第8回[対面/face to face]:ドキュメントフィルタリング(1)
ドキュメントフィルタリングとは何かを理解する。
第9回[対面/face to face]:ドキュメントフィルタリング(2)
ドキュメントフィルタリングの手法について学習する。
第10回[対面/face to face]:決定木によるモデリング
決定木とモデリング手法について学習する。
第11回[対面/face to face]:演習
授業で学んだ手法をデータに適用し、実際に分析を試みる。
第12回[対面/face to face]:演習発表
各自の演習から得られた知見を発表する。
第13回[対面/face to face]:高度な分類手法
カーネルメソッド、SVMについて学習する。
第14回[対面/face to face]:特徴を発見する
特徴抽出の手法について学習する。
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.)
教科書の予習・復習。
課題が指示された場合は、課題レポート提出。
本授業の準備・復習等の授業時間外学習は、各週につき4 時間を標準とする。
テキスト(教科書)Textbooks
適宜、講義中に配布する。
参考書References
参考書・参考資料等
集合知プログラミング
Toby Segaran (著), 當山 仁健 (翻訳), 鴨澤 眞夫 (翻訳) 、オライリージャパン
成績評価の方法と基準Grading criteria
レポート(50%)に加え、授業中の参加の度合・貢献度(発表等50%)を考慮し、総合的に判断する。
学生の意見等からの気づきChanges following student comments
特になし
学生が準備すべき機器他Equipment student needs to prepare
貸与Note PCを使用する場合がある。
その他の重要事項Others
特になし