シラバス情報
|
教員名 ： 北山 大輔
|
開講年度
2025年度
開講学期
前期
科目名
Webマイニング
授業種別
講義
科目名（英語）
Web Mining
授業情報(授業コード・クラス・授業形態)
A2300018 Webマイニング [J3][対面]
担当教員
北山 大輔
単位数
2.0単位
曜日時限
火曜2限
キャンパス
新宿
教室
A-0712教室
学位授与の方針
1 基礎知識の修得 0 ％
2 専門分野の知識・専門技術の修得 50 ％ 3 汎用的問題解決力の修得 40 ％ 4 道徳的態度と社会性の修得 10 ％ 具体的な到達目標
Webメディアやソーシャルメディアについての理解を深める．データマイニングの基礎的な手法を習得する．データマイニング手法をWeb・ソーシャルメディアに適応する手法について理解を深める．
受講にあたっての前提条件
到達目標をよく理解し、高いレベルでの達成を目指す意欲があること
授業の方法とねらい
ビッグデータに代表されるように，大規模データの収集・蓄積が容易になった現在，収集した情報を無駄にせず，いかに活用するかが様々な分野において重要な課題となっている．データマイニングとは，大規模データの活用に関する技術であり，医学などの専門分野から，マーケティングなどのビジネス応用まで幅広く利用されている．この授業では，データマイニングについて，その考え方及び代表的な手法について理解し，Web・ソーシャルメディアに対して応用する手法を習得する．
講義においてWeb/データマイニングの理論を学び，講義中に出す課題によってWeb/データマイニング手法の習熟を目指す． この講義では部分的に反転授業を取り入れ，事前に講義資料，および該当範囲の教科書を読んでいることを前提に，講義中に板書による解説及び課題に取り組む． 理論に関しては講義資料，設計・操作に関しては講義中に示すWebページを参考に復習し，理解を進めること． AL・ICT活用
反転授業／グループワーク／プレゼンテーション
第1回
授業形態
授業情報欄記載の通り
事前学習
事前公開している講義資料に目を通し，気になった箇所をメモしておく．
2時間
授業内容
第1回：Webマイニングと社会
代表的なWebマイニングの応用やWebデータの紹介を行い，講義の全容を理解する． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「データマイニング」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第2回
授業形態
授業情報欄記載の通り
授業内容
第2回：WebマイニングとAI
AIの歴史や概念，Webマイニングとの関係について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「知識表現」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第3回
授業形態
授業情報欄記載の通り
授業内容
第3回：知識表現
命題論理や意味ネットワークなどの知識表現およびその応用について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「確率，ベクトル・行列，数理最適化」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第4回
授業形態
授業情報欄記載の通り
授業内容
第4回：Webマイニングのための数学
各種アルゴリズムを理解するための確率，ベクトル・行列，数理最適化の基礎を学習する． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「アソシエーションルールマイニング」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第5回
授業形態
授業情報欄記載の通り
授業内容
第5回：アソシエーションルールのマイニング
アソシエーションルールマイニングのアルゴリズムおよび効率化について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「回帰分析」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第6回
授業形態
授業情報欄記載の通り
授業内容
第6回：回帰分析
回帰分析とその手法について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「ニューラルネットワーク」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第7回
授業形態
授業情報欄記載の通り
授業内容
第7回：ニューラルネットワーク
ニューラルネットワークとその手法について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「次元削減」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第8回
授業形態
授業情報欄記載の通り
授業内容
第8回：次元削減
次元削減の必要性およびその手法について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「クラスタリング」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第9回
授業形態
授業情報欄記載の通り
授業内容
第9回：クラスタリング
k-means，階層的凝集クラスタリングなどの各手法について学ぶと共にその評価方法を理解する． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「データの識別」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第10回
授業形態
授業情報欄記載の通り
授業内容
第10回：データの識別
データの識別アルゴリズムとその手法について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「グラフデータの機械学習（PageRank）」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第11回
授業形態
授業情報欄記載の通り
授業内容
第11回：グラフデータの機械学習
PageRankやHITSなどのWebリンク構造に対するマイニング手法について学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「自然言語処理」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第12回
授業形態
授業情報欄記載の通り
授業内容
第12回：自然言語処理
コンピュータで言語を扱う方法の基礎とそのアルゴリズムについて学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「データの収集・蓄積・加工」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第13回
授業形態
授業情報欄記載の通り
授業内容
第13回：データの収集・蓄積・加工
データの表現方法，データの収集方法，データベースの扱いについて学ぶ． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
「Webマイニングの応用システム」について各自調べ，事前公開している講義資料に目を通し，気になった箇所をメモしておく． 4時間
第14回
授業形態
授業情報欄記載の通り
授業内容
第14回：Webマイニングの応用例
実際の応用システムを紹介し，その可能性について議論する． 事後学習・事前学習
講義中に出題する課題に関して，疑問点等を報告する．
最終課題について取り組み，レポートを仕上げる． 4時間
第15回
授業形態
遠隔（オンデマンド）
授業内容
第15回：学習内容の振り返り
事後学習
自身が仕上げた最終課題レポートについて，読み直し講義を振り返る．
2時間
成績評価の方法
毎回の講義中に課題の提出を求める．成績は課題および最終レポートの成績で判定する．
講義中に示す課題，最終レポートの評価割合は2:8とし，A+~Fの6段階評価でD以上のものを合格とする． 受講生へのフィードバック方法
オンデマンド授業となる「第15回」に，KU-LMSに全体の講評をアップロードします．
教科書
指定なし
参考書
データサイエンス応用基礎，数理人材育成協会編，培風館
オフィスアワー
曜日：火曜日
時間：15:50〜17:20 居室：A2472（新宿キャンパス） 受講生へのメッセージ
データは蓄積しているだけでは，なんの役にも立ちません．現在，Web上には沢山のデータがひしめいていますが，これらは活用してこそです．その活用方法の1つであるWeb/データマイニングの手法を勉強して，世の中のデータの見方を変えていってください．
実務家担当科目
実務家担当科目ではない
実務経験の内容
教職課程認定該当学科
システム数理学科／情報科学科
その他の資格・認定プログラムとの関連
関連する科目である
教育課程コード
Ⅲ3b
教育課程コードの見方【例】 Ⅰ2a（Ⅰ…Ⅰ群、2…2年配当、a…必修） ※ a : 必修 b : 選択必修 c : 選択 ※複数コードが表示されている場合には入学年度・所属学科の学生便覧を参照のこと
|
