学部・大学院区分
Undergraduate / Graduate		情報・博前
時間割コード
Registration Code		2560082
科目区分
Course Category
主専攻科目
科目名　【日本語】
Course Title		データアナリティクス2
科目名　【英語】
Course Title		Data Analytics 2
コースナンバリングコード
Course Numbering Code		GSI166026J
担当教員　【日本語】
Instructor		石川 佳治 ○ 武田 浩一 笹野 遼平
担当教員　【英語】
Instructor		ISHIKAWA Yoshiharu ○ TAKEDA Koichi SASANO Ryohei
単位数
Credits		1
開講期・開講時間帯
Term / Day / Period		春２期 木曜日 ２時限
Spring2 Thu 2
対象学年
Year		１年
1
授業形態
Course style
開講系（学部）・開講専攻（大学院）
Subject
知能システム学専攻
必修・選択
Required / Selected
選択


授業の目的　【日本語】
Goals of the Course(JPN)
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ぶ。データアナリティクスに関する理解を深めることを目的とする。
授業の目的　【英語】
Goals of the Course
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. The purpose of this course is to deepen the understanding of data analytics.
到達目標　【日本語】
Objectives of the Course(JPN)
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】
Objectives of the Course
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
Course Content / Plan
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
Course Prerequisites and Related Courses
履修条件は課さないが，コンピュータ科学に関する基礎知識があることが望ましい。
成績評価の方法と基準
Course Evaluation Method and Criteria
授業中に演習を行い，その結果をもとにA～Fで評定し，C以上を合格とする。
教科書・参考書
Textbook/Reference book
教科書は指定しない。参考文献は講義の中で紹介する。また，必要に応じて講義資料を配布する。
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。
授業開講形態等
Lecture format, etc.
講義
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)
そのときの状況に依存するので、追加措置については開講直前までに周知する。