検索したい科目／教員名／キーワードを入力し「検索開始｣ボタンをクリックしてください。
※教員名では姓と名の間に１文字スペースを入れずに、検索してください。
情報科学特別講究III
| 科目名 | 情報科学特別講究III | ||||
|---|---|---|---|---|---|
| 教員名 | 尾崎知伸 | ||||
| 単位数 | 1 | 課程 | 前期課程 | 開講区分 | 文理学部 |
| 科目群 | 地球情報数理科学専攻 | ||||
| 学期 | 前期 | 履修区分 | 必修 | ||
| 授業概要 | データ分析・データマイニング技術の習得 |
|---|---|
| 授業のねらい・到達目標 | データ分析やデータマイニングに関する基礎知識・技術を体系的に修得する． 技術内容に関して，議論・プレゼンテーションができるようになる． この科目は文理学部(学士(理学))のディプロマポリシーDP6及びカリキュラムポリシーCP9に対応しています。 |
| 授業の方法 | 受講者全員参加による輪講と議論を繰り返す. 本授業の事前・事後学習は，各1時間の学習を目安とする. |
| 授業計画 | |
|---|---|
| 1 |
ガイダンス（授業のテーマや到達目標及び授業の方法について説明する） データマイニングプロセスの概観 【事前学習】シラバスを確認する 【事後学習】データマイニングプロセスについて復習する |
| 2 |
次元圧縮：主成分分析 【事前学習】資料を読んでくる 【事後学習】主成分分析について復習する |
| 3 |
次元圧縮：線形判別分析による圧縮 【事前学習】資料を読んでくる 【事後学習】線形判別分析による圧縮について復習する |
| 4 |
次元圧縮：非線形写像 【事前学習】資料を読んでくる 【事後学習】非線形写像について復習する |
| 5 |
クラスタリング：K-平均法，階層的クラスタリング 【事前学習】資料を読んでくる 【事後学習】基本的なクラスタリング手法について復習する |
| 6 |
クラスタリング：混合分布モデル 【事前学習】資料を読んでくる 【事後学習】混合分布モデルについて復習する |
| 7 |
トピックモデル 【事前学習】資料を読んでくる 【事後学習】トピックモデルについて復習する |
| 8 |
回帰分析：単回帰・重回帰 【事前学習】資料を読んでくる 【事後学習】単回帰分析・重回帰分析について復習する |
| 9 |
回帰分析：回帰木・モデル木 【事前学習】資料を読んでくる 【事後学習】回帰木・モデル木について復習する |
| 10 |
回帰分析：サポートベクトル回帰 【事前学習】資料を読んでくる 【事後学習】サポートベクトル回帰について復習する |
| 11 |
例外発見：ワンクラスサポートベクトルマシン，LOF 【事前学習】資料を読んでくる 【事後学習】例外発見の概要について復習する |
| 12 |
例外発見：統計的例外，クラスタリング・分類による例外の発見 【事前学習】資料を読んでくる 【事後学習】種々の例外発見手法について考察する |
| 13 |
総合演習，期末報告会の準備 【事前学習】発表資料を準備する 【事後学習】議論を基に発表資料の更新を行う |
| 14 |
期末報告会と議論 【事前学習】発表資料を準備する 【事後学習】発表・議論の内容を振り返り理解を深める |
| 15 |
これまでの復習・解説を行い授業の理解を深める 【事前学習】これまでの資料を振り返る 【事後学習】今後の発展について考察する |
| その他 | |
|---|---|
| 教科書 | 使用しない |
| 参考書 | 随時，指示する |
| 成績評価の方法及び基準 | 授業参画度(100%) 授業参画度は，議論の様子と期末報告会の内容により評価する． |
| オフィスアワー | 随時を受け付ける．原則，事前にメール等でアポイントをとること． |