| 授業の目的 【日本語】 | | | データアナリティクスは，大規模なデータの高度な分析を意味しており，データから有益な知識を抽出し，行動指針の策定などに役立てることを目指している。本講義では，データアナリティクスの中心的話題であるデータマイニングの応用的な手法について，歴史的・技術的背景と最新の研究動向を含め学び。 |
|
|
| 授業の目的 【英語】 | | | Data analytics means an advanced analysis of large-scale data. It aims to extract useful knowledge from the data and use it for formulating action guidelines. In this course, from the viewpoint of data engineering, we sill learn major methods of data mining including historical and technical backgrounds and latest research trends. |
|
|
| 到達目標 【日本語】 | | | データマイニングおよび関連する技術に関する基本的な知識を身に着けることを目的とする。 |
|
|
| 到達目標 【英語】 | | | The objective is to acquire basic knowledge about data mining and related technologies. The goal is to have a deep understanding of the contents of the lecture and to be able to explain it concretely. |
|
|
| 授業の内容や構成 | | 本講義では，データ工学の領域におけるデータマイニングの応用について述べ，さらにデータアナリティクスを支えるビッグデータ処理手法について教授する。まず，グラフマイニングの基礎と応用について述べ，関連の深いネットワークデータのマイニングやネットワークの分析技術について解説し，ビッグデータの処理に関するアルゴリズムおよびシステム技術を説明する。また，テキストマイニング，統計的仮説検定などの関連するトピックについても紹介する。必要に応じて，講義内で演習の時間を設ける。
0. イントロダクション
1. グラフマイニングの基礎
2. グラフマイニングの発展
3. ネットワーク科学の基礎
4. ネットワーク科学の発展
5. ビッグデータの処理技術：システムの側面から
6. ビッグデータの処理技術：アルゴリズムの側面から
7. Knowledge GraphとWebマイニング
8. 統計的仮説検定 | In this course, application of data mining from the viewpoint of data engineering and system technology supporting data analytics are introduced. First, the foundations and applications of graph mining are described and then mining of networks, which is related with graph mining, are explained. Second, system technologies of data analytics for large-scale data are introduced.In addition, text mining and statistical hypothesis testing are explained. As necessary, exercises are assigned in the classroom.
0. Introduction
1. Foundations of Graph Mining
2. Advanced Graph Mining
3. Foundations of Network Science
4. Advanced Network Science
5. Big Data Processing: System-oriented View
6. Big Data Processing: Algorithm-oriented View
7. Knowledge Graph and Web Mining
8. Statistical Hypothesis Testing |
|
|
| 履修条件・関連する科目 | | |
|
| 成績評価の方法と基準 | | | 課題およびレポートにより評価し，合計100点満点で60点以上を合格とする。 | | Evaluation is based on exercies and reports. The total score more than or equal to 60 points in 100 points is evaluated as passed. |
|
|
| 教科書・参考書 | | | 教科書は特にない。参考文献は講義の中で紹介する。必要に応じて講義資料を配布する。コンピュータサイエンスおよび数学（線形代数，確率・統計など）に関する知識を前提とする。 | | There is no textbook. References will be introduced in the lecture. If necessary, lecture materials are distributed in the classroom. Knowledge of computer science and mathematics (linear algebra, probability, statistics, etc.) is assumed. |
|
|
| 課外学習等（授業時間外学習の指示） | | | 講義において説明した手法・理論を理解するための課題を与える。また，次回の講義について事前に予備調査を指示する。 | | Exercises and reports are assigned to understand methods and theories explained in the class. In addition, a preliminary survey will be ordered in advance for the next lecture. |
|
|
| 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 | | |
|