到達目標
1.データからの知識発掘のための手法の理論および特徴を理解し、局面に応じて選択・適用できる。
2.種々の研究対象や開発対象のそれぞれを,多数の変量のデータがやりとりされる一つのシステムとしてモデル化できるようになる.
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | データからの知識発掘のための手法の理論および特徴を理解し、局面に応じて選択・適用できる。 | データからの知識発掘のための手法の特徴を理解し、局面に応じて選択・適用できる。 | データからの知識発掘のための手法の特徴を理解できない。 |
評価項目2 | 種々の研究対象や開発対象のそれぞれを,多数の変量のデータがやりとりされる一つのシステムとしてモデル化できるようになる. | 一部の対象について,多数の変量のデータがやりとりされる一つのシステムとしてモデル化できるようになる. | 種々の研究対象や開発対象のそれぞれを,多数の変量のデータがやりとりされる一つのシステムとしてモデル化できない. |
学科の到達目標項目との関係
教育方法等
概要:
自然現象、工業プロセス、あるいは社会といったシステムを観測することにより膨大なデータの集積を得ることができるが、そこから規則性を抽出し人間が理解できる「情報」を引き出すための客観的手法が必要となる。本科目はこうした「データマイニング」手法を運用できるようになることを目的とする。具体的には、データ分析の次の各項目の理論を説明でき、計算機を用いて実際に適用できることを目標とする:相関分析、重回帰分析、数量化理論I類、統計的検定、判別分析、主成分分析、実験計画法、一対比較、他。
この科目は企業で鉄鋼圧延プロセスにおけるパラメータ自動学習システム開発を担当していた教員が、その経験を活かし、観測データの蓄積から規則性や知識を発掘するデータマイニング・多変量解析の各種手法につき、計算機を用いた実例計算演習を交えた講義形式で授業を行うものである。
授業の進め方・方法:
講義形式で行う.必要に応じて適宜小テストを実施し,また演習課題,レポート,宿題を課す.講義あるいは課題の解決に表計算ソフトを援用することがある.
注意点:
受講者は線形代数と確率の基礎知識、および表計算ソフトウェアの運用能力を持っていることが必要である。多変量解析はデータマイニング手法の一つであり,実験データの処理からシステム開発まで広い分野で用いられており,データを扱う全ての分野において役立つ可能性を持つ.常に何に利用できるかを考えることがポイントである.学修単位であるため、事前・事後学習として演習課題を課す。
合格点は 60 点である.成績は,試験結果 70%,小テスト・演習課題を 30% で評価する.特に,演習課題の未提出者は単位取得が困難となるので注意すること.
(授業を受ける前)資料を予習し、理解が困難な点を把握すること。(授業を受けた後)導出過程を復習すること。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
授業ガイダンス データマイニングと多変量解析 |
授業の進め方と評価の仕方について説明する. データマイニングおよび多変量解析で用いられる種々の方法の特徴を説明できる.
|
2週 |
グラフによるデータ表現 |
様々なグラフの特徴を理解し,データに対してどのようなグラフで表現すればよいかを説明できる.
|
3週 |
相関と単回帰 |
ものごとの関係を見つけるための相関係数や単回帰式について説明ができる.
|
4週 |
相関と単回帰 |
ものごとの関係を見つけるための相関係数や単回帰式について説明ができる.
|
5週 |
重回帰分析 |
重回帰分析がどのような場合に用いられる方法であるか説明できる.
|
6週 |
重回帰分析 |
重回帰分析がどのような場合に用いられる方法であるか説明できる.
|
7週 |
数量化理論I類 |
数量化理論I類がどのような場合に用いられる方法であるか説明できる.
|
8週 |
判別分析 |
判別分析がどのような場合に用いられる方法であるか説明できる.
|
2ndQ |
9週 |
判別分析 |
判別分析がどのような場合に用いられる方法であるか説明できる.
|
10週 |
主成分分析 |
主成分分析がどのような場合に用いられる方法であるか説明できる.
|
11週 |
実験計画法 |
実験計画法がどのような場合に用いられる方法であるか説明できる.
|
12週 |
実験計画法 |
実験計画法がどのような場合に用いられる方法であるか説明できる.
|
13週 |
一対比較 |
一対比較がどのような場合に用いられる方法であるか説明できる.
|
14週 |
データマイニングの要素技術 |
近年に開発されたデータマイニングの要素技術の概略を説明できる。
|
15週 |
到達度試験 |
上記項目について学習した内容の理解度を確認する.
|
16週 |
試験の解説と解答 |
到達度試験の解説と解答,本授業のまとめ
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | 小テスト,課題 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 70 | 30 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 30 | 10 | 0 | 0 | 0 | 0 | 40 |
専門的能力 | 30 | 10 | 0 | 0 | 0 | 0 | 40 |
分野横断的能力 | 10 | 10 | 0 | 0 | 0 | 0 | 20 |