基本情報/Basic Information

開講科目名 ／Course	データマイニング論b／DATA MINING(B)
ナンバリングコード ／Numbering Code	22-3018
開講所属 ／Course Offered by	経済学部経営学科／ECONOMICS MANAGEMENT
ターム・学期 ／Term・Semester	2025年度／2025 Academic Year　　秋学期／FALL SEMESTER
曜限 ／Day, Period	木3／Thu 3
開講区分 ／semester offered	秋学期／Fall
単位数 ／Credits	2.0
学年 ／Year	3,4
主担当教員 ／Main Instructor	中山　健
遠隔授業科目 ／Online Course	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
中山　健	経営学科／MANAGEMENT

授業の目的・内容 ／Course Objectives	講義目的： 対象と分析目的に応じて，コンピューターを利用してデータの準備と分析・考察，得られた知見の発表・報告書の作成という，データマイニングの一連の手順を実践的に学びます． 講義概要： データマイニング論aで習得した知識を前提として，データマイニングにおける「目標設定」「データ収集」「データ分析」「結果の整理と発表」の各手順を，実習を通して学びます． まず，コンピューター上でのデータマイニングツールの利用方法を，サンプルデータ分析を通して習得したあと，分析対象を各人が設定し，データの収集・整理・分析，そして発表と報告書作成を実習を通して学びます． カリキュラム・ポリシーやディプロマ・ポリシーとの関連： 現実社会に発生する多種多様な諸問題を広い視点から分析し問題解決につなげるため，学科専門科目として，社会にあふれる膨大なデータから有益な情報を推測するための，データ解析の専門知識と基礎的技能を身に付けます． カリキュラムや履修系統図における位置づけ： データベース論で学ぶデータベースは，データを記録し，検索や集計などによって利用に適した形にする事が主であるのに対し，データマイニングは大量のデータから解析目的に応じた有益な情報を推測します． 統計学で学ぶ各種手法は，統計的な仮定をおくことで比較的少数のデータからでも厳密な推測が可能であるのに対し，データマイニングは大量のデータを前提として，厳密とは限らないが有益と期待される情報を推測します．
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	コンピューターを使って実習を行いながら学習します． 課題等に対する全体的な解説やコメントがある場合は，講義資料や講義を通してフィードバックします． また，個別の質問に応じた解説やコメントも行います．
事前・事後学修の内容 ／Before After Study	(事前学修2時間) テキストや講義資料の該当部分を読んで理解を試みるとともに，分からない部分をどう質問したらよいかをまとめる． (事後学修2時間) 学修内容の概要を，他人が見て容易に理解できるようにまとめる． コンピュータによる実習があった場合は，関連するいろいろな事を試してみるなどして理解を深める．
テキスト1 ／Textbooks1	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	最終プレゼンテーションおよび報告書・小テスト(60%)，実習課題(20%)，授業への参加度(20%)を目安にして，総合的に判断します．
関連科目 ／Related Subjects	データベース論a,bは，データを整形して解析に適した形にする際の参考となります． プログラミング論a,b，データマイニングシステムを効率的に使うための参考となります． 統計学a,bとアルゴリズム論a,bは，解析手法を理解する際に考え方の参考となります．
備考 ／Notes	参考文献：必要に応じて適宜紹介します．
到達目標 ／Learning Goal	データマイニングに関する専門知識を習得し、巨大集積データを解析、分析できるようにする。
DPとの関連 ／Relation to DP	△:幅広い教養 ○:情報分野における専門的知識

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	ガイダンスと春学期の復習	授業の進め方などを説明するとともに，春学期に学んだことを確認します．
2	データの前処理法	得られたデータを解析する前に必要な，様々な処理について説明します．
3	獲得知識の評価法	解析結果がどの程度信頼できるかを推測する考え方を学びます．
4	データマイニングツールの紹介とインストール	解析に使うツールの準備をします．
5	サンプルデータの分析実習（1）*教師有り学習*	解析ツールの実際的な使い方を学びます．
6	サンプルデータの分析実習（2）*教師無し学習*	解析ツールの実際的な使い方を学びます．
7	サンプルデータの分析実習（3）*結果の評価*	解析ツールの実際的な使い方を学びます．
8	データ作成実習（1）*分析対象の選択*	どのように問題設定をして分析すればよいかを学び，各自で分析対象を決めます．
9	データ作成実習（2）*収集方法の検討*	各自で決めた対象を分析します．
10	データ作成実習（3）*実際のデータ収集*	各自で決めた対象を分析します．
11	データ分析実習（1）*データの成形*	各自で決めた対象を分析します．
12	データ分析実習（2）*手法の適用*	各自で決めた対象を分析します．
13	データ分析実習（3）*分析結果の整理*	各自で決めた対象を分析します．
14	プレゼンテーション	各自で決めた対象の分析結果を発表してもらいます．