シラバス情報

教員名 ： 湯本 高行
授業科目名
データマイニング （社会情報・専門科目）
(英語名)
Data Mining （社会情報・専門科目）
科目区分
専門教育科目
-
対象学生
社会情報科学部
学年
2年
ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ
KCJBS2MCA1
単位数
2単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の？から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度後期
担当教員
湯本 高行
所属
社会情報科学部
授業での使用言語
日本語
関連するＳＤＧｓ目標
該当なし
ｵﾌｨｽｱﾜｰ・場所
講義後に教室、もしくはメール等でアポを取り教員室にて

連絡先
yumoto@sis.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
3◎／1〇
研究科DP
ー
全学DP
ー
教職課程の学修目標
ー

講義目的・到達目標
講義目的
  • 大量のデータから有用な知識を発掘(mining)する手法であるデータマイニングの代表的な手法（クラス分類、回帰分析、クラスタリング、頻出パターン発見）を理解し、実際に利用できるようになることを目的とする。

到達目標
  • データマイニングの代表的な手法の概要とそのアルゴリズムを説明できる。
  • 実データに対して適切な手法を用いて分析を行うことができる。
授業のサブタイトル・キーワード
講義内容・授業計画
講義内容
  • データマイニングの基本的な考え方、代表的手法（クラス分類、回帰分析、クラスタリング、頻出パターン発見）を概説するとともに、応用事例についても紹介する。

授業計画
  1. データマイニングの概要
  2. 相関ルール
  3. k-means，階層的クラスタリング
  4. DBSCAN，クラスタリングの評価
  5. 次元削減法
  6. 重回帰
  7. kNN
  8. 決定木
  9. SVM
  10. 分類の評価
  11. テキストマイニング
  12. ナイーブベイズ
  13. 正則化
  14. ロジスティック回帰
  15. ニューラルネットワーク
※ 2〜15は順番を変更する場合がある
教科書
荒木雅弘: フリーソフトではじめる機械学習入門 第２版, 森北出版 (2018)
参考文献
適宜紹介する。
事前・事後学習（予習・復習）の内容・時間の目安
  • 授業の予習 (10h)：配布資料を読む
  • 授業の復習 (30h)
    • 配布資料を読む
    • 学んだ内容をふまえ，どのような処理を行っているかを考えながら，サンプルコードを実行する
    • 小テストに解答する
  • レポート課題 (20h)
アクティブ・ラーニングの内容
サンプルコードを配布することで講義で扱った内容を実際に使用できる環境を提供する。
成績評価の基準・方法
レポート等40%、定期試験60%で評価する。
ただし，レポート等の作成の際に生成系AIを用いてはならない。生成系 AIを使用したことが判明した場合は、単位を認定しないこと、又は認定を取り消すことがある。
課題・試験結果の開示方法
レポート等については締切直後の授業で解答例の解説を行う．
履修上の注意・履修要件
  • 人工知能、データ分析演習、プログラミングIIの各科目の内容を十分に理解していることを前提とする。
  • 講義資料の一部はipynbファイルなのでノートPCを持参すること。




実践的教育
該当しない。
備考


英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。