Language:

2020年度 データマイニング (4099)

授業科目基本情報PDFダウンロード

科目区分 専門科目 教職科目 情報
単位数 1 選択・必修・自由 選択
授業形態 講義 主な使用言語 英語
開講時期 履修登録システム 使用する
履修登録期間 2020/10/14~2020/11/04 履修取消期限 2020/11/04

教育プログラム別の履修区分

プログラム名 IS CB BS BN MS CP DS
履修区分
コア科目 C C C
履修方法 ・修士論文研究又は特別課題研究を履修する場合は、基盤科目及び専門科目から12単位以上履修すること。
・課題研究を履修する場合は、基盤科目及び専門科目から14単位以上履修すること。
・コア科目の履修方法については、入学年次の教育課程表の(2)履修方法を参照すること。

授業科目概要

担当責任教員 金谷 重彦
担当教員 金谷重彦、MD.Altaf-Ul-Amin、小野直亮、黄銘
教育目的/授業目標 Making students familiar with the theories of the data mining algorithms and introducing them to the relevant R based tools for practical use
授業概要/指導方針 Power point presentation describing theories and short tutorial after each class to make students familiar with relevant Data Mining tools. Power point presentation describing theories and short tutorial after each class to make students familiar with relevant Data Mining tools.

クラス情報



表示可能なデータがありません。

授業計画

[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 日付 [時間] 担当教員 テーマ 内容
1 10/26 [1] Introduction to Data Mining Brief history, Mean, Median, Standard Deviation, Variance, Correlation, Dot product, Eigenvalue and Eigenvector, Concept of supervised and unsupervised learning
2 11/2 [1] Dimension reduction and Regression Principle Component Analysis (PCA), Simple regression, PLS regression, Logistic Rrgression, PLS-DA
3 11/9 [1] Simple Clustering and Classification Algorithms K-nearest neighbor (KNN) classifier, K-mean clustering, Expectation Maximization (EM) clustering, Hierarchical clustering
4 11/16 [1] Probability and Tree based Classification Naïve Bayes Classifier, Classification/Decision Trees, Random Forest
5 11/30 [1] Supervised Classification Methods Support Vector Machines (SVM), Neural Networks (NN)
6 12/7 [1] Simple Statistics for Data Mining Data Normalization, Conversion of Multivariate data into networks, Concept of p-value based on normal and standard normal distribution, Hypergeometric p-value, Chi-square test, Fisher’s Exact test, T-test, ROC analysis
7 12/14 [1] Case Studies of Data Mining Projects Data-intensive science of Jamu medicines, Analysis of structural similarity based networks of metabolites
8 12/16 [1] Review and Examination Short review of the topics discussed in previous lectures, Exammination for evaluation

授業日程

[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 日付 時間 講義室 備考
1 10/26 1 エーアイ大講義室[L1](IS)
2 11/2 1 エーアイ大講義室[L1](IS)
3 11/9 1 エーアイ大講義室[L1](IS)
4 11/16 1 エーアイ大講義室[L1](IS)
5 11/30 1 エーアイ大講義室[L1](IS)
6 12/7 1 エーアイ大講義室[L1](IS)
7 12/14 1 エーアイ大講義室[L1](IS)
8 12/16 1 エーアイ大講義室[L1](IS)

テキスト・参考書

テキスト No official/selected text book but students can read related books of their choice for better understanding
参考書 Basic knowledge of mathematics and statistices

その他

履修条件 Basic knowledge of mathematics and statistices
オフィスアワー Almost always welcome for discussion---better make an appointment over e-mail (amin-m@is.naist.jp) before coming
成績評価の方法と基準 ・Evaluated as S, A, B, C, or D
・Evaluated by avtive participants(25%),assignments(25%) and examination(50%)
関連科目 特になし
関連学位 工学
注意事項 モバイルパソコンを使用する。(1-8回)
※Windows PCは、約2~3ギガバイトのRAM(メモリ)を備えていることが望ましい。

授業関連URL

内容
Homeworks

配布資料



表示可能なデータがありません。