授業の形態
|
|
講義
|
| |
|
アクティブラーニング
|
|
学生が議論する、学生が自身の考えを発表する、学生が文献や資料を調べる
|
| |
|
授業内容と方法
|
＊旧カリキュラム「データマイニング論」、特別プログラム「Data Mining Theory」、
新カリキュラム「データマイニング特論」、特別プログラム「Advanced Data Mining」の4科目同時開講です。
＊留学生受講時には英語になります。
＊原則としてオンライン実施を予定しています。1週目のZoom URLはWebclassにて告知します。
データから再利用可能な知識を掘り起こす一連のプロセスをデータマイニングと呼ぶ。
本授業は以下2つのパートに分けて実施する予定である。
[Part 1] では、データマイニング・プロセスおよびプロセスの一手段である機械学習について輪読する。
[Part 2] では、各自研究についての討論を行う。
毎回2グループを発表担当者に割り当て、担当する文献について解説発表を行う。
|
| |
|
URGCC学習教育目標
|
|
自律性、地域・国際性、コミュニケーション・スキル、問題解決力、専門性
|
| |
|
達成目標
|
・データマイニングの代表的なプロセス、もしくは機械学習のモデルについて説明することができる。[Part 1]（専門性）3. 応用科目
・最新事例を読み、各プロセスを説明することができる。[Part 2]（専門性）3. 応用科目
・各モデルや事例について関心を持ち、主体的に考え、公平な視点から気になる事柄を指摘し論じることができる。[Part 1, 2]（専門性、創造性、倫理性）5. 関連科目
なお各項目後尾の丸カッコ内は、URGCC-advanced（http://www.ged.skr.u-ryukyu.ac.jp/divisions/division-2/kaihatusitu）との対応関係を示している。
また数字はカリキュラム・ポリシー（https://www.u-ryukyu.ac.jp/admissions/3policy/gra_curriculumpolicy/#cat13）との対応関係を示している。
|
| |
|
評価基準と評価方法
|
文献により割り当てられたトピックについて発表を行い議論する。発表は英語を標準とする。
発表(60%)、質疑応答(20%)、最終レポート(20%)。
発表は受講人数により調整するが、おおよそPart 1では2〜4回程度で割り当てる。Part 2 は1回のみである。
発表と発表資料で満点を取れたとしても80%にしかならない点に注意すること。毎週確保する質疑応答時における討論への自主的な参加が求められる。
|
| |
|
履修条件
|
線形代数学、統計学、プログラミング経験を有すること。
|
| |
|
授業計画
|
第1回： ガイダンス、書籍輪読調整
======================================
[Part 1] データマイニング・プロセスおよび機械学習モデルの基礎学習
第2回
・Chap. 1, What's it all about?
・Chap. 2, Input: concepts, instances, attributes
第3回
・Chap. 3, Output: knowledge representation
・Chap. 4, Algorithms: the basic methods, sec. 4.1 to 4.5
第4回
・cont., Chap. 4, Algorithms, section 4.6 to remains
・Chap. 5, Credibility: evaluating what's been learned
第5回
・Chap. 6, Trees and rules
・Chap. 7, Extending instance-based and linear models
第6回
・Chap. 8, Data transformations, section 8.1 to 8.3
・Cont., section 8.4 to remains
第7回
・Chap. 9, Probabilistic methods, section 9.1 to 9.5
・Cont., section 9.5 to remains
第8回
・Chap .10, Deep learning, section 10.1 to 10.3
・Cont., section 10.4 to remains
第9回
・Chap. 11, Beyond supervised and unsupervised learning
・Chap. 12, Ensemble learning
第10回
・Chap. 13, Moving on: applications and beyond
======================================
[Part 2] 応用事例（受講生本人の研究）に関する討論
第11回〜第15回
・毎週数人程度を想定。
・時間に余裕があるなら国際会議の論文輪読も実施。
|
| |
|
事前学習
|
参考書および関連事例に目を通すこと。
|
| |
|
事後学習
|
参考書および関連事例に目を通すこと。
|
| |
|
教科書にかかわる情報
|
|
|
978-0128042915
|
Part 1にて輪読。
|
|
Ian H. Witten ... [et al.]
|
|
Morgan Kaufmann
|
2017
|
|
|
|
| |
|
教科書全体備考
|
教科書指定なし。
|
| |
|
参考書にかかわる情報
|
|
|
9781787125933
|
|
|
Sebastian Raschka, Vahid Mirjalili
|
|
Packt Pub.
|
2017
|
|
|
|
| |
|
参考書全体備考
|
|
|
| |
|
使用言語
|
|
日本語
|
| |
|
メッセージ
|
Part 2 で時間が余るようなら、下記学会における最近のベストペーパー輪読を想定している。ただしデータマイニングは幅広いテーマであることから、これ以外の学術論文であっても解説紹介をしても構わない。希望のある学生は事前に相談すること。
・アプリケーション寄り
IEEE/WIC/ACM International Conference on Web Intelligence (IEEE/WIC/ACM WI)
ACM International Conference on Web Search and Data Mining (ACM WSDM)
ACM Special Interest Group on Information Retrieval (SIG-IR)
・理論・技術寄り
IEEE International Conference on Data Mining (ICDM)
ACM SIGKDD Conference on Knowledge Discovery and Data Mining (ACM KDD)
|
| |
|
オフィスアワー
|
場所: 工1-705
オフィスアワー: 毎週金曜日の3時限目を予定。
|
| |
|
メールアドレス
|
|
この項目は教務情報システムにログイン後、表示されます。
|
| |
|
URL
|
|
http://ie.u-ryukyu.ac.jp/~tnal/2022/adm/
|
| |
|
|