基本情報/Basic Information

遠隔授業（授業回数全体の半分以上）の場合は、科目名の先頭に◆が付加されています（2023年度以降）

開講科目名 ／Course	データマイニング１／Data Mining I
時間割コード ／Course Code	S1407210_S1
開講所属 ／Course Offered by	システム工学部／Faculty of Systems Engineering
ターム・学期 ／Term・Semester	2024年度／Academic Year　　第1クォーター／1Q
曜限 ／Day, Period	金／Fri　2
開講区分 ／Semester offered	第1クォーター／1Q
単位数 ／Credits	1.0
学年 ／Year	3,4
主担当教員 ／Main Instructor	陳　金輝
科目区分 ／Course Group	_
授業形態 ／Lecture Form	講義
教室 ／Classroom	情報通信演習室（北1号館）／情報通信演習室（北1号館）
開講形態 ／Course Format
ディプロマポリシー情報 ／Diploma Policy

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
陳　金輝	システム工学部（教員）

授業の概要・ねらい ／Course Aims	データサイエンス分野において未経験者を対象とした知的データ解析の入門講義である．データから知識発見まで，その基本プロセス，データ処理の方式，マイニング手法・アルゴリズム（機械学習モデル），応用事例等基礎知識を学ぶ．なお，学部後期課程における本講義は今後のAI関連研究・進級履修の入門知識となる位置が付けられている．
到達目標 ／Course Objectives	・データ解析の入門 ・機械学習の入門 ・実社会での適用事例からデータ解析モデルの前処理，開発，検証, 改善といったアプローチ，流れ及び理論（初級レベル）を理解すること ・将来的研究へ活かせる素養を蓄えること
成績評価の方法・基準 ／Grading Policies/Criteria	課題についての発表（50％），レポート（30％），学習態度等（20％）により総合的評価する．
教科書 ／Textbook	資料配布
参考書・参考文献 ／Reference Book	下記の参考書は，講義では使いませんが，講義の参考となる書籍です． ・P.N. Tan et al.,: “ Introduction to Data Mining (2nd Edition)”, Pearson, 2019, ISBN： 0133128903． ・元田浩等: 「データマイニングの基礎」, オーム社, 2006，ISBN：4274203484．
履修上の注意 ・メッセージ ／Notice for Students	・授業に積極的に参加することに意味がある ・AI・機械学習関連授業の連続受講が望ましい
履修する上で必要な事項 ／Prerequisite	・講義前に資料の内容に目を通しておくこと．
履修を推奨する関連科目 ／Related Courses	記載事項なし
授業時間外学修についての指示 ／Instructions for studying outside class hours	・AI・機械学習関連授業の連続受講が望ましい
その他連絡事項 ／Other messages	資料はペーパレス化のためPDFデータで配布されること：PDFが開けるアプリ・環境を確保しておく
授業理解を深める方法 ／How to deepen your understanding of classes	・予習＋復習 ・不明な点を放置しないようにしましょう 【「アクティブ・ラーニング」実施要項に定める⑦に該当】
オフィスアワー ／Office Hours	随時対応，但し都合上調整のため事前に陳までご連絡
科目ナンバリング ／Course Numbering	S62023J11100K344，S62023J11100S203，S62023J11100T204，S62023J11100U201

No.	回（日時） ／Time (date and time)	主題と位置付け（担当） ／Subjects and instructor's position	学習方法と内容 ／Methods and contents	備考 ／Notes
1	1	イントロダクション	・授業概要 ・データマイニングとは ・AI,データサイエンス,予測モデル,機械学習との関係 ・なぜデータマイニングを学ぶのか ・本講義から何を習得するのか
2	2	プロセス，タスク	・一般的プロセス ・産業基準プロセス：CRIPS-DM ・データマイニングの手法とした機械学習 　- 機械学習の概念 　- 機械学習の全体像 ・データマイニングの様々なタスク・活用
3	3	データの前処理	・データの記述・要約・基本統計量 ・データの相関 ・データ前処理 　- 欠損値・外れ値・連続データ ・正規化 ・データの変換
4	4	回帰：線形モデルによるデータ解析の基礎	・線形モデル概念の導入 ・線形回帰とは ・線形回帰によるデータ特徴の推定 ・損失関数を用いたモデル実効果の改善 ・線形モデルの応用事例
5	5	回帰：ロジスティク回帰によるデータ分類の基礎	・ロジスティク回帰と広義線形モデル ・シグモイド関数 ・シグモイド関数によるデータ分類モデルの構築 ・データ分類タスクとその応用
6	6	決定木に基づくデータ分析	・決定木とは ・エントロピーと情報利得 ・情報利得値による決定木モデルの作成 ・分類ルール集合
7	7	モデルの評価	・評価方法・評価指標 ・代表的な問題点とその対処方法
8	8	まとめと単位認定試験（課題についての発表）