- 学部・研究科
Faculty/Graduate School - 経/商
- 時間割コード
Course Code - 40719
- 科目名
Course title
サブテーマ
Subtitle - データ・マイニング論
- 授業形態/単位
Term/Credits - クラス
Class -
- 秋/2
- 担任者名
Instructor - 瀧澤 重志
- 曜限
Day/Period - 木2
- 授業概要
Course Description
到達目標
Course Objectives -
授業種別 / Teaching Types
講義（対面型）
言語 / Language
日本語(Japanese)
授業概要 / Course Description
情報機器の普及によって、社会のあらゆる場所にビッグデータが蓄積されるようになってきました。データ・マイニングとはビッグデータから有用なルールやパターンを抽出し、新しい価値ある知識を創り出していく技術、システム、プロセスを指します。本講義では知識発見のプロセスや技術的な問題を理解し、数理的な思考を学びます。さらに、データマイニングに関する演習を行い、実務に役立つ分析技術の体得を目指します。
学位授与方針との関係 / Related Diploma Policy
（商学部）
1.知識・技能
③専修に関わる専門知識の修得。
2.思考力・判断力・表現力等の能力
①ビジネス・経済・社会に対する広い視野と鋭い洞察力をも つ。
②企業倫理と社会的責任を深く認識し、品格をそなえたリーダーシップと「考動力」を発揮できる。
3.主体的な態度
自ら諸問題を発見し、主体的かつ柔軟に取り組むことができる。
到達目標 / Course Objectives
・データマイニングによる分析のプロセスの説明ができるようになる。
・データマイニングの代表的な手法についての説明ができるようになる。
・データマイニングのソフトウェアを用いて基本的な分析が行えるようになる。授業手法 / Teaching Methods
・教員による資料等を用いた説明や課題等へのフィードバック
・PCとソフトウェアを使った演習
- 授業計画
Course Content -
授業計画 / Course Content
１. ガイダンス，データ・マイニングの概説
２. 相関ルール
３. 相関ルールの応用問題
４. 分類モデルの概説
５. 決定木
６. 決定木の応用問題
７. その他の分類モデル
８. その他の分類モデルの応用問題
９. 数値予測モデル
１０. 数値予測モデルの応用問題
１１. クラスタリング
１２. クラスタリングの応用問題
１３. 応用事例
１４. 深層学習
１５. まとめ講義授業時間外学習 / Expected work outside of class
講義の基礎知識にもとづき応用問題でデータの解析を行うため、講義内容の理解をするよう復習しておくこと。
- 成績評価の方法・基準・評価
Grading Policies /
Evaluation Criteria -
方法 / Grading Policies
定期試験を行わず、平常試験(小テスト・レポート等)で総合評価する。
レポート課題は授業内容を踏まえた上で出題するが、出席回数が3/5に満たない場合は、レポート課題の採点は行わない。
配点は、演習(50%)、レポート課題(50%)とする。基準・評価 / Evaluation Criteria・Assessment Policy
各演習とレポートについて最低限のレベル設定と、提出者間の相対評価による。
- 教科書
Textbooks 加藤直樹・羽室行信・矢田勝俊 データマイニングとその応用 朝倉書店
-
参考書
References
- フィードバックの方法
Feedback Method
- 担任者への問合せ方法
Instructor Contact 以下の担当者のメールアドレスに問い合わせ
takizawa@omu.ac.jp
- 備考
Other Comments 統計学の基礎と基本的なパソコン操作（Windows）の知識があることが望ましい。