Advanced Lecture for Data Science

Advanced Lecture for Data Science

-

コース応用科目（データ科学コース）

Graduate School of Information Science

1Year

KIIMD5MCA1

2.00Credits

講義 (Lecture)

Fall semester 2026

山本 岳洋,川嶋 宏彰,土方 嘉徳,川向 肇,大下 福仁

情報科学研究科

Japanese

9

講義後に教室、もしくは予約をしたうえで教員室にて 

kawashima@gsis.u-hyogo.ac.jp
kawamukai@gsis.u-hyogo.ac.jp
t.yamamoto@gsis.u-hyogo.ac.jp
hijikata@gsis.u-hyogo.ac.jp

ー

2◎／1〇

N/a

ー

【講義目的】データ科学の最前線となる研究や応用例について、たとえば機械学習、インタラクションのモデル化、地理情報システムと時空間情報処理、情報検索、ソーシャルメディア分析、分散システムなどを取り上げ、発展的な内容も含めて紹介する。受講者は各研究テーマを参考にして自らの研究テーマを構築できるようになることを目的とする。（オムニバス⽅式/全15回）

【到達目標】
本講義の到達⽬標は、１）データ科学の最前線における研究を俯瞰すること、２）各⾃の研究⽅向を探る動機とすること、である。

講義内容
データ科学の最前線となる研究や応⽤例について、オムニバス形式で講義を⾏う。

授業計画（以下は進⾏の⽬安であり多少の前後や他の話題の講義がある。）

（川嶋宏彰）
1. コンピュータビジョンと機械学習：⼈や⽣物の⾏動や状態などを、画像等を⽤いて計測・推定する各種⼿法や応⽤事例について紹介する。
2. インタラクションとそのモデル化（マルチモーダル対話）：⼈と⼈、⼈と機械のインタラクションにおける、⾔語・⾮⾔語コミュニケーションのデータ分析やモデリング⼿法を解説する。
3. インタラクションとそのモデル化（群モデル）：⽣物間、⼈⼯物間など、様々な個体間相互作⽤（インタラクション）を解析するためのモデリング⼿法を解説する。

（川向肇）
4. 地理情報システムの利用技術と空間情報に関するモデル化、データのモデル化にまつわる各種手法と課題について紹介する。
5. 地理情報を解析するための解析手法とその解析上の課題について紹介する。
6. 時空間情報処理に関する各種手法について実データを利用しつつ紹介する。

（山本岳洋）
7. 情報検索の基礎技術: 情報検索の基本的な問題であるアドホック検索タスクについて取り上げ、伝統的な手法や近年の手法について解説する。
8. 大量のデータを活用し求める情報を見つける情報検索技術について関連する研究事例を紹介する。
9. 多様な情報獲得を促す情報検索技術について関連する研究事例を紹介する。

（土方嘉徳）
10. ソーシャルメディアにおけるユーザー心理分析(1)：ソーシャルメディアのコミュニケーション媒体としての特性とソーシャルメディアの利用動機について解説する。
11. ソーシャルメディアにおけるユーザー心理分析(2)：ソーシャルメディアにおける情動伝染とパーソナリティが行動に与える影響について解説する。
12. ソーシャルメディアにおけるユーザー心理分析(3)：検索行動から推測するペルソナについて、IT企業の分析事例を交えながら解説する（予定）。

（大下福仁）
13. 分散システムの世界：世の中のほとんど全てのシステムは、多数の自律的デバイスが協調動作する分散システムである。典型的な分散システムのモデルである計算機ネットワークモデルに注目して、近年の研究事例を紹介する。
14. モバイルロボット群：多数のモバイルロボットが協調動作するような分散システムのモデルに注目して、近年の研究事例を紹介する。
15. 個体群プロトコルモデル：個体群プロトコルモデルとは、極めて低性能なデバイスで構成されるネットワークや分子計算を表す計算モデルである。個体群プロトコルモデルに注目して、近年の研究事例を紹介する。

Remote (Receiving Campus)

・当授業は、神戸商科キャンパスから同時配信により神戸情報科学キャンパスにも配信します。そのため、『対面・遠隔の別』欄では「遠隔」となっていますが、神戸商科キャンパスで受講する院生は「対面」授業となります。
・遠隔授業単位上限の適用を受けない

Limited permission for use

生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない。

なし

授業中に適宜指⽰する。

【予習】授業に際して指示するテキスト・オンデマンド教材の部分を事前読み込み（15ｈ）
【復習】レポート作成（5回以上、30ｈ）、講義内容の理解を深め定着させるためにテキスト・オンデマンド教材を読み直し（15ｈ）

実施しない。

【成績評価の基準】
　データ科学の最前線の動向を理解し、研究テーマへの⽬標を定めることができる者に、講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に基づき、S（90点以上）、Ａ（80点以上）、B（70点以上）、C（60点以上）による成績評価のうえ、単位を付与する。
【成績評価の方法】
　各担当教員の課題の成果物やレポートを100％として、受講態度（積極的な質問等）を含めて総合的に評価する。

小テストおよびレポートは、原則次の講義内で解説する。

・授業中に指⽰した課題・⽂献について、⼗分な予習および復習をして講義に出席すること。
・当授業は、商科キャンパスから情報キャンパスへ配信する授業形態であり、配信側となる商科キャンパスの履修者は対⾯授業となりますが、受信側となる情報キャンパスの履修者は遠隔授業となります。なお、配信映像は両キャンパスに設置しているモニターに映し出されますので、履修者各⾃が端末を持参する必要はありません。

該当しない