学部・大学院区分情報学部
時間割コード1002180
科目区分
専門科目(自然情報)関連専門科目(人社，CS)
科目名　【日本語】計算情報学５
科目名　【英語】Computational Informatics 5
コースナンバリングコード
担当教員　【日本語】北　栄輔 ○ 永峰　康一郎
担当教員　【英語】KITA Eisuke ○ NAGAMINE Koichiro
単位数1
開講期・開講時間帯春１期 月曜日 ２時限
Spring1 Mon 2
対象学年３年
3
授業形態講義
Lecture
開講系（学部）・開講専攻（大学院）
自然・複雑システム
必修・選択
選択


授業の目的　【日本語】
線形回帰，ロジスティック回帰などの回帰分析，判別分析，ウォード法やk平均化法などのクラスタリング手法，パターン抽出，ナイーブベイズ分類器，サポートベクターマシン，ニューラルネットワークなどビッグ・データの分析に適用するデータ・マイニング技術の理論について学習する。続いて，データ・マイニング技術を金融データ分析，データサイエンスに基づく材料設計であるマテリアルズインフォマティクス，バイオインフォマティックス等に適用する方法についても学ぶ。受講生は，これらの内容について基礎知識を理解できる。
授業の目的　【英語】
We learn first regression analysis such as linear regression and logistic regression, discriminant analysis, clustering methods such as Ward method and k-averaging method, pattern extraction, naive Bayes classifier, support vector machine, data to be applied to analysis of big data such as neural network. Next, we also learn how to apply data mining technology to financial data analysis, materials design based on data science, such as materials informatics and bioinformatics.
到達目標　【日本語】
線形回帰，ロジスティック回帰などの回帰分析，判別分析，ウォード法やk平均化法などのクラスタリング手法，パターン抽出，ナイーブベイズ分類器，サポートベクターマシン，ニューラルネットワークなどビッグ・データの分析に適用するデータ・マイニング技術の理論について学習する。続いて，データ・マイニング技術を金融データ分析，データサイエンスに基づく材料設計であるマテリアルズインフォマティクス，バイオインフォマティックス等に適用する方法についても学ぶ。
到達目標　【英語】
授業の内容や構成
ガイダンスに続いて，回帰分析，判別分析，機械学習について講述する。続いて，金融情報，材料情報，生命情報などへのデータマイニング手法の応用について講述する。

1. ガイダンス
2. 統計分析
3. 機械学習1
4. 機械学習2
5. 材料情報と機械学習
6. 生命情報と機械学習
7. 金融情報と機械学習
8. 総括
履修条件・関連する科目
成績評価の方法と基準
義毎に与える演習課題の評価40％，定期試験60％，合計100点満点で60点以上を合格とする。
教科書・参考書
必要に応じて配布する。履修条件は要さない。
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演習課題を与える。
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