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. | | |
|
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) | | |
|