筑波大学教育課程編成支援システム

01CF109 データマイニング

2.0 単位, 1・2 年次, 秋AB 火5,6
イリチュ美佳

授業概要

データマイニングの理論に基づき、知識発見に基づくデータ解析技法を統計的学習理論と機械学習理論の両側面から論じる。

備考

要望があれば英語で授業

授業形態

講義

分野

トータルリスクマネジメント

専攻教育目標との関連

「1. リスク解析・評価のための基礎理論を習得している」に主に関連するが,「3. リスク工学の対象である現実の問題について学習している」および「4. リスク工学の対象を広い視野で捉えることができる」にも関連している.

授業の狙い

データ解析の分野で扱う先端的方法論を、数学的根拠に基づいて理解できるようにし、社会で実際に利用されるデータ解析技法を基にして、データマイニングの技法の応用を身に付けることを目標とする。

授業内容

1)	データマイニングとは何かについて概説する
2)	Machine Learningとその応用について概説する
3)	Machine Readingとその応用について概説する
4)	Big Data Analyticsとその応用について概説する
5)	Statistical Learningとその応用について概説する
6)	最近のSymbolic Data Analysisについて概説する

受講生の到達レベル

1) データに内在する不確実性の表現方法を理解する
2) 探索的データ解析手法を理解する
3) データ解析の最近の問題とそれに対応する先端的方法を理解する

成績評価

課題に対するレポート提出により評価する. 6割以上を合格とする.

達成度項目との関連

当該専門分野の学生には「専門基礎」に主に関連し,「広い視野」「現実の問題」にも関連する.
他分野の学生に対しては,「専門基礎」の部分は「関連分野基礎」と解釈する.

教科書

教材を必要に応じて配布する.

参考書

1. H.H. Bock and E. Diday (Eds.), Analysis of Symbolic Data, Springer, 2000
2. T. Hastie, R. Tibshirani, J.H. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer, 2001
3. M. Sato-Ilic and L.C. Jain, Innovations in Fuzzy Clustering, Springer, 2006
4. M. Kantardzic, Data Mining: Concepts, Models, Methods, and Algorithms, Wiley, 2011

居室・オフイスアワー・連絡先

水曜11:00-12:00(メールにてアポイント必要) 1001766

受講生に望むこと

数学の基礎知識

自学自習

データマイニングの基礎事項と応用

シラバス参照