授業の目的 【日本語】
Goals of the Course(JPN) | | | 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，欠損値処理，進化的計算，セル尾・オートマトンなどについて，基礎学習とRによる実習を学ぶ。受講生は，これらの内容について基礎知識とR言語を用いたプログラミングを理解できる。 |
|
|
授業の目的 【英語】
Goals of the Course | | | We learn first regression analysis such as linear regression and logistic regression, discriminant analysis, clustering methods such as Ward method and k-averaging method, support vector machine, data to be applied to analysis of big data such as neural network. Next, we also learn missing value processing, evolutionary comutation and cellular automata. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | | 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と，欠損値処理，進化的計算の技法などについて，理論を理解するとともに，Rによるプログラミングを理解できる。 |
|
|
到達目標 【英語】
Objectives of the Course | | |
|
授業の内容や構成
Course Content / Plan | | 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. 欠損値処理
6. 進化的計算
7. セル・オートマトン
8. 総括 | 1. Guidance
2. Statistical analysis
3. Machine learning 1
4. Machine learning 2
5. Missing value processing
6. Evolutionary computation
7. Cellular automaton
8. summary |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | |
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | | 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
Textbook/Reference book | | |
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | | 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
Lecture format, etc. | | | 対面またはテレビ会議システムによる対面とオンデマンドを併用して行う． |
|
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | | 部分的にテレビ会議システムを利用する他，メールや対面も併用することで説明を行う． |
|
|