文理学部シラバスTOP > 文理学部 > 情報科学科 > データ科学２
日本大学ロゴ

データ科学２

このページを印刷する

令和２年度以降入学者 データ科学２
令和元年度以前入学者 データ科学２
教員名 尾崎知伸
単位数    2 学年 3･4 開講区分 文理学部
科目群 情報科学科
学期 前期 履修区分 選択必修
授業形態 対面授業
Blackboard ID 20231419
授業概要 データ科学・データマイニングの基礎的な手法（分類，クラスタリング，表現学習，相関ルール分析）に関して講義を行う
授業のねらい・到達目標 対象とする要素技術の基本的な考え方を理解し，説明できる．
分析ツールを用い，データの整形，手法の適用，結果の検証を含めた一連の分析ができる．

この科目は文理学部(学士(理学))のディプロマポリシーDP6及びカリキュラムポリシーCP9に対応している．
なお，新カリキュラム（令和２年度以降の入学者）では，この科目は文理学部（学士（理学））のDP及びCP3，4，5に対応している
・仮説に基づく課題や問題を提示し，客観的な情報を基に，論理的・批判的に考察できる（A-3-3）
・問題を分析し，複数の解決策を提示した上で，問題を解決することができる（A-4-3）
・責任と役割を担い，新しい問題に取り組む意識を持ち，そのために必要な情報科学の知識・情報を収集することができる（A-5-3）
授業の形式 講義、演習
授業の方法 電子資料を用いて講義を行うとともに，随時，分析ツールを用いた演習を行う.
提出されたレポートについて総評を行う．
なお対面参加できない学生には，Zoom（ライブ中継）で対応する．
履修条件 「データ科学1」の内容を修得していることが望ましい
授業計画
1 ガイダンス（授業のテーマや到達目標及び授業の方法について説明する）
データマイニング手法の外観 （A-3-3，A-4-3，A-5-3）
【事前学習】シラバスを事前に確認する．当該分野に関する簡単な調査を行う （1時間）
【事後学習】データマイニングと知識発見のプロセスの概要を説明できるようにする （1時間）
【授業形態】対面授業
2 クラスタリング：基本手法（A-3-3，A-4-3，A-5-3）
【事前学習】クラスタリングの基本手法に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】クラスタリングの基本的な考え方と動作原理を説明できるようにする （2時間）
【授業形態】対面授業
3 クラスタリング：性能評価と発展的手法（A-3-3，A-4-3，A-5-3）
【事前学習】性能評価に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】性能評価の考え方と発展的なクラスタリング手法を説明できるようにする （2時間）
【授業形態】対面授業
4 クラスタリング：次元削減（A-3-3，A-4-3，A-5-3）
【事前学習】次元削減の基本手法に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】次元削減の基本的な考え方と動作原理を説明できるようにする （2時間）
【授業形態】対面授業
5 表現学習：基本手法（A-3-3，A-4-3，A-5-3）
【事前学習】表現学習の基本手法に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】表現学習の基本的な考え方と動作原理を説明できるようにする （2時間）
【授業形態】対面授業
6 表現学習：発展的手法（A-3-3，A-4-3，A-5-3）
【事前学習】発展的な表現学習手法に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】基本手法と発展的手法との差異を説明できるようにする （2時間）
【授業形態】対面授業
7 前半の振り返りと演習（A-3-3，A-4-3，A-5-3）
【事前学習】第2～6回を振り返り，内容の整理を行う （1時間）
【事後学習】第2～6回の内容に関するレポートに取り組む （4時間）
【授業形態】対面授業
8 分類学習：決定木の導入（A-3-3，A-4-3，A-5-3）
【事前学習】決定木の概要に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】決定木分析の基本的な考え方を説明できるようにする （2時間）
【授業形態】対面授業
9 分類学習：決定木学習の発展（A-3-3，A-4-3，A-5-3）
【事前学習】決定木の学習に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】分割基準や欠損データの扱いなどを中心に決定木構築アルゴリズムの詳細を説明できるようにする （2時間）
【授業形態】対面授業
10 分類学習：アンサンブル学習（A-3-3，A-4-3，A-5-3）
【事前学習】アンサンブル学習に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】分類器の組み合わせ利用の基本的な考え方を説明できるようにする （2時間）
【授業形態】対面授業
11 相関ルール分析：頻出パターン（A-3-3，A-4-3，A-5-3）
【事前学習】頻出パターンに関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】相関ルール分析の基本的な考え方と頻出パターンと相関ルールの役割を説明できるようにする （2時間）
【授業形態】対面授業
12 相関ルール分析：相関ルール（A-3-3，A-4-3，A-5-3）
【事前学習】相関ルールに関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】相関ルール導出アルゴリズムの詳細を説明できるようにする （2時間）
【授業形態】対面授業
13 相関ルール分析：相関ルールに関する発展的話題
【事前学習】相関ルールの発展的話題に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】相関ルールに関する評価基準とルールを利用した分類手法を説明できるようにする （2時間）
【授業形態】対面授業
14 後半の振り返りと演習（A-3-3，A-4-3，A-5-3）
【事前学習】第8～13回を振り返り，内容の整理を行う （1時間）
【事後学習】第8～13回の内容に関するレポートに取り組む （4時間）
【授業形態】対面授業
15 授業内試験と解説（A-3-3，A-4-3，A-5-3）：これまでの復習・解説を行い授業の理解を深める
【事前学習】これまでの学修内容を振り返り，内容の整理を行う （3時間）
【事後学習】これまでの学修内容を振り返り，どの様な発展が考えられるか考察する （1時間）
【授業形態】対面授業
その他
教科書 使用しない
参考書 八谷 大岳  『ゼロから作るPython機械学習プログラミング入門』 講談社 2022年
Sebastian Raschka他（著），株式会社クイープ (翻訳)，福島真太朗 (監修) 『Python機械学習プログラミング［PyTorch＆scikit-learn編］』 インプレス 2022年
成績評価の方法及び基準 レポート:内容の正しさと理解度合，レポートとしての完成度を中心に評価する(40%)、授業内テスト:授業内試験（第15回）の成績による評価する(35%)、授業参画度:理解度を問う問題と演習の成果，および レポートの相互評価に対する貢献度により評価する(25%)
期末試験未受験，レポート未提出の場合はE判定とする
オフィスアワー 質問等は随時を受け付ける．原則，事前にメール等でアポイントをとること

↑このページのトップ