データマイニング (社会情報・専門科目)

授業科目名

(英語名)

Data Mining

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

2026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

データマイニングの概要
頻出パターン発見
k-means，階層的クラスタリング
線形回帰
多重共線性，正則化
kNN，分類の評価
決定木
中間試験
SVM
交差検証
次元削減法
クラスタリングの定量的評価
ナイーブベイズ
ロジスティック回帰
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

対面・遠隔の別

対面

実施方法及び遠隔上限適用対象の別

・対面授業のみ
・遠隔授業単位上限の適用を受けない

生成ＡＩの利用

利用する場面を限定し許可

生成ＡＩ注意点

小テストの解答に生成AIを使用してはならない．
それ以外(予習，復習など)については使用しても構わない．

教科書

講義スライドを配布する。

参考文献

荒木雅弘: Pythonではじめる機械学習, 森北出版 (2025)

事前・事後学習（予習・復習）の内容・時間の目安

授業の予習 (15h)：配布資料を読む
授業の復習 (45h)
- 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

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

毎回の小テスト25%、中間試験30%、定期試験45%で評価する。
ただし，7週目の授業開始時点で小テストの未提出が3回以上ある場合は中間試験の受験を認めない．

課題・試験結果の開示方法

小テストについては翌週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。

シラバス情報