2019年度 マテリアルズインフォマティクス (R)   Materials Informatics (R)

文字サイズ 

アップデートお知らせメールへ登録 お気に入り講義リストに追加
開講元
物質・情報卓越教育課程
担当教員名
関嶋 政和  樺島 祥介  松下 雄一郎  小杉 太一  安尾 信明 
授業形態
講義
曜日・時限(講義室)
金1-4(南4号館 情報ネットワーク演習室 第1演習室, Information Network Exercise Room 1st Exercise Room)  
クラス
-
科目コード
TCM.A404
単位数
2
開講年度
2019年度
開講クォーター
4Q
シラバス更新日
2019年9月26日
講義資料更新日
-
使用言語
英語
アクセスランキング

講義の概要とねらい

ナイーブベイズ,決定木,相関分析,回帰,クラスタリング等の初等的なデータマイニング法について学ぶ.手法の数理や手続きを座学により学ぶだけでなくサンプルデータもちいたコンピュータ演習を通じてデータ解析の実際を体験する.

到達目標

(1) 統計の基礎知識を用いデータ分析を適切に行いその意味を客観的に評価できるようになる
(2) コンピュータによるデータの処理の基本を理解し,データマイニングのためのコンピュータ・ソフトウェアを適切に利用できるようになる

キーワード

データマイニンング,計算(情報処理),知識表現,データマイニング・ソフトウェア,検定

学生が身につける力

国際的教養力 コミュニケーション力 専門力 課題設定力 実践力または解決力
- - -

授業の進め方

講義と演習を交互に行いながら授業を進める.

授業計画・課題

  授業計画 課題
第1回 クラスガイダンスとTSUBAMEへログイン、使用するアプリケーションの確認 TSUBAMEへのログイン方法の確認.UNIXの基本的な使い方,使用するアプリケーションの確認が行われる.
第2回 計算とプログラミングに関する簡単な入門 データマインマイニングの導入:統計などの基礎知識 計算(情報処理)とデータマイニングの基本的な考え方について理解でき,本科目の講義・演習の準備ができる.
第3回 演習:キノコデータの解析 データマイニングの概要を理解し,基本的なデータ(事例集合)が何かを説明できるようになる.
第4回 Classification(導入):単純規則と naiive bayesian rule Classification の概要を理解し,単純規則ならびにnaiive bayesian rule の導出について説明できるようになる.
第5回 演習:naiive bayesian rule 単純な判定規則の生成の仕組みを特徴を理解し,生成ソフトを適切に使えるようになる.
第6回 Classification: decision tree Decision tree の構成原理を説明できるようになる.
第7回 演習:decsion rule Decision tree 生成アルゴリズムの仕組みを理解し,標準的な decision tree 生成ソフトを適切に使えるようになる.
第8回 Association rule Association rule の考え方と評価方法を説明できるようになる.
第9回 演習:association rule Association rule 生成アルゴリズムの仕組みを理解し,標準的な生成ソフトを適切に使えるようになる.
第10回 Regression Regression の考え方と各種評価方法を説明できるようになる.
第11回 演習:regression Regression rules の導出原理を理解し,代表的な生成ソフトを適切に使えるようになる.
第12回 Clustering Clustering の考え方と clustering の基本手法の原理を説明できるようになる.
第13回 演習:clustering Clustering の代表的な手法の仕組みを理解し,大代表的な clustering の形成ソフトを適切に使えるようになる.
第14回 まとめと発展的な話題 本講義で学んだ様々な手法を適切に使えるようになり,さらに進んだ話題についても概観できるようになる.
第15回 期末課題 基本的ではあるが実際的なデータマイニングの課題に対して,適切な手法を適用できるようになり,得られた成果を評価できるようになる.

教科書

I.H. Witten, E. Frank, M.A. Hall, and C. Pal, Data Mining: Practical Machine Learning Tools and Techniques (The 4th Ed.),
Morgan Kaufmann Pub., 2013, ISBN-13: 978-0128042915

参考書、講義資料等

Weka Web Page, https://www.cs.waikato.ac.nz/ml/weka/

成績評価の基準及び方法

演習課題レポート(90%),期末課題レポート(10%)

関連する科目

  • ART.T458 : 機械学習

履修の条件(知識・技能・履修済科目等)

特になし

オフィスアワー

質問はメールベースで随時受けつける

その他

本授業科目は、TAC-MI登録学生対象科目です。今年度はTAC-MI登録学生限定とします。

このページのトップへ