| 授業の目的 【日本語】 | | | データの中から有用な知識を発見しようとするデータマイニングは，確率・統計，パターン認識・機械学習などを基盤として発展を続けている。本講義では，データマイニングへの入門として，R言語を用いたデータマイニングの手法について学ぶ。データマイニングの全体像を解説した後，回帰分析，相関分析，主成分分析などの統計的な分析技術について分析事例を中心にして学習する。また，判別分析，クラスタリングと決定木などのパターン認識・機械学習技術について学ぶ。 |
|
|
| 授業の目的 【英語】 | | | Data mining, which seeks to find useful knowledge from data, shows continual progress based on probability, statistics, pattern recognition, and machine learning. In this lecture, we will learn data mining methods using R language as an introduction to data mining. After an overview of data mining, we study statistical analysis techniques such as regression analysis, correlation analysis, and principal component analysis, focusing on analysis cases. In addition, we learn pattern recognition and machine learning technologies such as discriminant analysis, clustering and decision trees. |
|
|
| 到達目標 【日本語】 | | | 第一の目的は，代表的なデータマイニング手法について，R言語を用いた演習によりその概要を把握することである。第二の目的は，R言語について，その利用環境なども含めて学ぶことにより，データサイエンスのためのシステム利用に関するリテラシーを身に着けることである。基礎的なデータマイニングの概念を理解し，R言語により分析に活用できることを到達目標とする。 |
|
|
| 到達目標 【英語】 | | |
|
| 授業の内容や構成 | | 回帰分析，相関分析と検定，主成分分析，判別分析，決定木などについて基礎理論を解説すると共に， R言語を用いて分析の実習を行う。
1. ガイダンス
2. 回帰分析
3. 相関分析
4. 主成分分析
5. 判別分析
6. クラスタリング
7. 決定木
8. まとめと評価 | |
|
|
| 履修条件・関連する科目 | | |
|
| 成績評価の方法と基準 | | | 講義毎に与える演習課題をもとに100点満点で60点以上を合格とする。 | |
|
|
| 教科書・参考書 | | | 講義資料はNUCTで配布する。高校レベルの確率・統計の知識を必要とする。参考文献は，必要に応じて授業中に指示する。 | |
|
|
| 課外学習等（授業時間外学習の指示） | | | 講義で説明した内容の理解を深めるためのレポート課題を与える。 | |
|
|
| 授業開講形態等 | | |
|
| 遠隔授業（オンデマンド型）で行う場合の追加措置 | | |
|