講義コード
授業番号
授業科目名データマイニング特論
科目名(英題)
講義題目
授業科目区分コア科目(人工知能)
開講年度2009
開講学期前期
曜日時限
必修選択選択
単位数2.0
担当教員鈴木英之進
対象学部等システム情報科学府・情報学専攻
対象学年修士1年
開講地区伊都地区
履修条件履修条件は特に定めない.
授業概要前半では,最初にデータマイニングの概要を説明し,次に大域モデルを発見するための分類学習,クラスタリング,半教師あり学習を,基盤となるモデルの評価と各種探索法と共に教授する.後半では,局所モデルを発見するためのルール発見,構造データマイニング,例外発見を,基盤となるパターンの評価と背景知識の活用と併せて説明し,最後に種々の応用例を解説してまとめとする.
全体の教育目標データマイニングに関し,技術者や研究者として活躍するための基礎学力・能力を修得する事を目的とする.
個別の学習目標授業計画を参照のこと.
授業計画授業は次の項目で構成する.回数は目安であり,授業の進み具合によって適宜調整する.
1.データマイニング概要
各種応用と手法,KDDプロセスモデルを説明できるようにする.
2.分類学習(2回)
基本的手法とそれらの特性を説明できるようにする.
3.モデルの評価 
基本的手法を使用できるようにする.
4.各種探索法
分類学習における種々の拡張を理解し,説明できるようにする.
5.クラスタリング(2回)
基本的手法とそれらの特性を説明できるようにする.
6.半教師あり学習
基本的方式を理解し,説明できるようにする.
7.ルール発見(2回)
基本的手法とそれらの設定を説明できるようにする.
8.パターンの評価と背景知識の活用  
基本的手法とそれらの設定を説明できるようにする. 
9.構造データマイニング 
基本的手法とそれらの設定を説明できるようにする.    
10.例外発見(2回)
基本的手法とそれらの設定を説明できるようにする. 
11.データマイニングの応用
代表的応用例を説明できるようにする.
キーワードデータベースからの知識発見,機械学習
授業の進め方配布資料を中心に授業を行います.
テキスト
参考書参考書
D. J. Hand, H. Mannila, and P. Smyth: Principles of Data Mining, MIT Press, Cambridge, 2001.
T. M. Mitchell: Machine Learning, McGraw Hill, Boston, 1997.
学習相談教員室(場所は授業中に提示する)で学習相談を行います.希望する者は,事前に電子メールで相談希望日時,相談内容を連絡し,予約して下さい.
試験/成績評価の方法等出席(30%)
筆記試験(70%)
その他論文を適宜配布するので,次の講義までに読んでくること.