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２／Data Mining II
時間割コード ／Course Code	S1407220_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	2026年度／Academic Year　　第4クォーター／4Q
曜限 ／Day, Period	木／Thu　2
開講区分 ／Semester offered	第4クォーター／4Q
単位数 ／Credits	1.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	伊原　彰紀
授業形態 ／Lecture Form	講義
教室 ／Classroom	北１号館Ａ６０１／北１号館Ａ６０１
開講形態 ／Course Format
ディプロマポリシー情報 ／Diploma Policy	要件年度 ／Required Year 要件所属 ／Course Name ディプロマポリシー ／Diploma Policy DP値 ／DP Point 2020/04 ～2022/04 システム工学部 1.幅広い教養と分野横断的な学力 3 2020/04 ～2022/04 システム工学部 2.専門的知識や技能 5 2020/04 ～2022/04 システム工学部 3.課題解決力と自己学修能力 2 2023/04 ～9999/04 システム工学部 1.幅広い教養と分野横断的な学力 3 2023/04 ～9999/04 システム工学部 2.専門的知識や技能 5 2023/04 ～9999/04 システム工学部 3.課題解決力と自己学修能力 2

担当教員情報/Instructor Information

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

授業の概要・ねらい ／Course Aims	本講義では、「データマイニング１」で学んだデータマイニングの基礎を踏まえ、ニューラルネットワークや生成モデルなどの発展的な手法の基本概念について学ぶ。また、特徴量エンジニアリング、実験設計、データリークの防止など、機械学習を実際のデータ分析に応用する際に重要となる考え方について理解を深める。講義の後半ではミニプロジェクトでは、個人またはグループでデータ分析課題に取り組む。最終回では成果発表を行い、分析結果を整理して説明するとともに、他者の発表に対する議論を通して機械学習によるデータ分析のプロセスへの理解を深める。
到達目標 ／Course Objectives	・特徴量エンジニアリングや次元削減を適用し、モデルの性能変化を確認することができる。 ・ニューラルネットワークや生成モデルの基本概念を理解し、簡単なデータ処理に適用することができる。 ・過学習やデータリークに配慮した実験設計を行い、複数のモデルや手法を比較・分析することができる。 ・設定した課題に対して、データ分析の実装・評価・改善を行い、その結果を整理して説明することができる。
成績評価の方法・基準 ／Grading Policies/Criteria	各回の演習課題およびミニプロジェクトにより評価し、合計100点満点とする。 内訳は次のとおりとする。Ａ：各回の演習課題（50点）、Ｂ：ミニプロジェクト（50点） Ａ：各回の演習課題は以下の観点で評価する。 ・課題の要件を満たす実装ができているか ・モデル構築および評価が適切に行われているか ・結果に対する考察が適切に記述されているか Ｂ：ミニプロジェクトは以下の観点で評価する。 ・課題設定および分析計画が適切であるか ・前処理・モデル構築・評価の流れが適切に設計されているか ・結果の分析および改善の試みがなされているか ・発表内容が論理的かつ明確であるか 成績評定は，次の区分（演習課題およびミニプロジェクトの合計点）とする。 Ｓ：十分達成し，自律的に分析設計および改善ができる（90点〜100点） Ａ：十分達成している（80点〜89点） Ｂ：達成している（70点〜79点） Ｃ：おおむね達成している（60点〜69点） 不可：達成していない（60点未満）
教科書 ／Textbook	Moodle上でPDF等の資料を配布します。教科書を使用しません。
参考書・参考文献 ／Reference Book	以下の図書は講義では使用しませんが、学習に有益な参考図書です。 ・C.M. ビショップ（著），「パターン認識と機械学習 　上」（訳本），ISBN‏: ‎ 4621061224，丸善出版（価格: 6,500円+税） ・C.M. ビショップ（著），「パターン認識と機械学習 　下」（訳本），ISBN: ‎ 4621061240，丸善出版（価格: 7,800円+税）
履修上の注意 ・メッセージ ／Notice for Students	・本講義は，データマイニング１を受講していることを前提として進める． ・各自のノートPCを利用して演習を進めるため、毎回持参すること。演習作業を行うのため、必要に応じて充電しながら作業できるようにACアダプタを持参すること。 ・本科目は反転学習の形式で実施します。授業時間内には理解を深めるための演習も行いますが、理論や知識の理解を目的とした講義科目であることを理解した上で履修してください。 ・線形代数、確率統計学、解析数学、アルゴリズムの背景知識を有することが望ましい。 ・機械学習・人工知能関連講義と演習の連続受講が望ましい。 ・原則、（学則に認められる，やむを得ない事由を除く）多数回の無断欠席且つ課題の未提出は単位取得が難しくなる。
履修を推奨する関連科目 ／Related Courses	データマイニング１、機械学習基礎、人工知能、人工知能演習
授業時間外学修（予習・復習等）の内容 ／students learning outside of the class, preparation and review are included	演習中に分からない点は、教員およびTAに積極的に質問し、出来るだけその日に解決を目指すこと。 授業で扱う内容にとどまらず、関連する分野の図書や学術論文を自ら調査し、積極的に知識を広げるよう努めること．授業では、教員から提供される資料だけでなく、受講者自身による関連情報の調査、演習が重要。図書館の資料、オンライン教育教材、等を活用し、授業テーマに関する理解を自主的に深めること。また、1単位あたり学修のために必要な学修量は、授業時間と予習復習の時間をあわせて45時間と定められている。それぞれに見合う自主的学修時間を確保すること。
その他連絡事項 ／Other messages	記載事項なし
授業理解を深める方法 ／How to deepen your understanding of classes	本講義は、事前の予習内容に基づき、演習課題、状況に応じてグループワークで議論し、結果をグループ内で発表する。 【「アクティブ・ラーニング」実施要項 ①、③、⑤、⑧、⑩】
オフィスアワー ／Office Hours	木曜日3限、A813（伊原研究室） 他学生との重複、出張等で不在の場合があるため、事前メール予約推奨。 ihara＠wakayama-u.ac.jp
科目ナンバリング ／Course Numbering	S62022J11100S212、S62022J11100T206、S62022J11100U203
実務経験のある教員等による授業科目 ／Practical Experience	実践的教育 ／Practical Education 1. 該当しない 実践的教育の内容 ／Contents

No.	回（日時） ／Time (date and time)	主題と位置付け ／Subjects and position in the whole course	学習方法と内容 ／Methods and contents	備考（担当） ／Notes
1	1	特徴量エンジニアリングと汎化性能	特徴量スケーリング、標準化、ワンホットエンコーディング、多項式特徴量、特徴量選択	PC使用
2	2	ニューラルネットワーク、ディープラーニングによるデータ処理	単層パーセプトロン、活性化関数、多層パーセプトロン、表現力	PC使用
3	3	データ生成と生成AI	生成モデル、データ分布、合成データ	PC使用
4	4	モデル評価と実験設計、計算コスト	実験設計、データリーク、汎化性能の評価、精度 vs 計算時間、モデル選択のトレードオフ	PC使用
5	5	ミニプロジェクト	実装	PC使用
6	6	ミニプロジェクト	改善・分析	PC使用
7	7	ミニプロジェクト	改善・分析、資料作成	PC使用
8	8	発表会	発表	PC使用