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	2026年度／2026 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．
使用言語 ／Language used	日本語/Japanese
採用している授業方法 ／Teaching methods used
事前・事後学修の内容 ／Before After Study	(事前学修2時間) 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	授業内実習および小テスト等(20%)，提出課題(50%)，授業への参加度(30%)を目安に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	授業の進め方などを説明します．
2	ニューラルネットワーク（1）	ニューラルネットワークの概要について学びます．
3	ニューラルネットワーク（2）	データマイニングのソフトウェアで，簡単なニューラルネットワークを実習します．
4	ニューラルネットワーク（3）	時系列データを例として，ニューラルネットワークを実習します．
5	機械学習結果の評価	過学習，クロスバリデーションについて学びます．
6	ニューラルネットワーク（4）	クラウド計算サービスで，簡単なニューラルネットワークを実習します．
7	中間まとめ	これまでに学んだ事を復習します．
8	人工知能概論	歴史と基礎的な手法を概観します．
9	深層学習と画像処理	画像を対象としたニューラルネットワークの歴史と手法を概観します．
10	深層学習と自然言語処理	自然言語を対象としたニューラルネットワークの歴史と手法を概観します．
11	ニューラルネットワークの利用例（1）	実際に近いデータでニューラルネットワークを実習します．
12	ニューラルネットワークの利用例（2）	実際に近いデータでニューラルネットワークを実習します．
13	自主課題（1）	2回に分けて各自でテーマを決めてデータ解析をします．
14	まとめと自主課題（2）	引き続き自主課題をします．また，これまでの授業を振り返り，学んだことを確認します．