タイトル

開講年度 開講学部等
2025 大学院創成科学研究科（博士後期）
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
後期 未定 講義  
時間割番号 科目名[英文名] 使用言語 単位数
4242010140 応用データ解析特論 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
末竹　規哲[SUETAKE Noriaki] ー
担当教員[ローマ字表記]
末竹　規哲　[SUETAKE Noriaki], 小林　泰良　[KOBAYASHI Taira]
特定科目区分   対象学生 令和４年度以降入学者対象 対象年次  
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
自然科学分野に関する先端的な専門的知識や技術を身に着けることを目的に，コンピュータサイエンス研究の様々な場面で遭遇する多様なデータを用いた分析，解釈，予測に関して，基礎的な知識の確認から開始し，従来より用いられてきた解析手法，近年開発されてきている手法に至るまで，それぞれの考え方と特徴について講述する．企業において研究開発業務の経験のある教員が実社会で役立つデータ解析技術について講義を行う．
授業の到達目標
多様なデータに対して，それらを解析，解釈するための基礎から発展に至る手法を理解できる。研究を行う上で研究成果をデータに基づき客観的に評価できるようになる。
授業計画
【全体】
講義では、板書を中心に、先端的なデータ解析手法について学ぶ。様々な概念、定義、計算手続きに関して配布プリントにて説明を行い、理解度を小テストで確認しながら進行する。
項目 内容 授業時間外学習 備考
第1回 オリエンテーション 担当教員の紹介、授業の目標と進め方、シラバス説明、成績評価の方法 シラバスを読んでおくこと、統計学とは、データ解析とはどういうものなのかについて調べておくこと（学習時間の目安：4時間以上）
第2回 推定 密度関数の推定（最尤推定，ベイズ推定，混合分布の最尤推定（EMアルゴリズム），ノンパラメトリック推定），区間推定と信頼係数について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）と推定に関する予習（学習時間の目安：2時間以上）
第3回 検定 仮説検定（t検定，F検定，カイ二乗検定）について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）と検定に関する予習（学習時間の目安：2時間以上）
第4回 主成分分析 共分散（相関）行列と主成分，非線形（カーネル）主成分分析とその意味について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）と主成分分析に関する予習（学習時間の目安：2時間以上）
第5回 相関解析と回帰 相関係数，単回帰，重回帰と誤差について学習する 前回の授業に関する復習（学習時間の目安：2時間以上）と相関解析と回帰に関する予習（学習時間の目安：2時間以上）
第6回 データハンドリング(1) データのスケーリング，標準化，外れ値除去，欠損値除去について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）とデータハンドリング法に関する予習（学習時間の目安：2時間以上）
第7回 データハンドリング(2) 層別サンプリング，Cross-Validation等の定形処理，統計データの可視化について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）と統計データの可視化等に関する予習（学習時間の目安：2時間以上）
第8回 中間総括 これまで学習した内容を総括する． 前回の授業までで学習したことに関する復習（学習時間の目安：4時間以上）
第9回 多次元尺度構成法 古典的多次元尺度構成法の数理，主成分分析との関係，多様体学習とグラフに基づく低次元可視化について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）と多次元尺度構成法に関する予習（学習時間の目安：2時間以上）
第10回 サンプリングメソッド サンプリング法の威力，平均の信頼区間，ブートストラップの考え方等について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）とサンプリングメソッドに関する予習（学習時間の目安：2時間以上）
第11回 ネットワーク分析 ネットワークとして表現可能なデータ，ネットワークの可視化，ネットワーク分析で用いられる指標について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）とネットワーク分析に関する予習（学習時間の目安：2時間以上）
第12回 クラスタリング(1) データ間の距離に基づくクラスタリング, データ間の関係 (ネットワーク) に基づくクラスタリングについて学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）とクラスタリングに関する予習（学習時間の目安：2時間以上）
第13回 クラスタリング(2) クラスタリングの評価について学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）とクラスタリングの評価に関する予習（学習時間の目安：2時間以上）
第14回 ネットワーク分析応用 コンピュータサイエンスの研究におけるネットワーク分析の適用例，ノードランキングについて学習する． 前回の授業に関する復習（学習時間の目安：2時間以上）とネットワーク分析に関する予習（学習時間の目安：2時間以上）
第15回 総括 これまでの講義を総括する． 前回の授業までで学習したことに関する復習（学習時間の目安：4時間以上）
第16回 期末テスト 期末テストを行う． 試験前学習（学習時間の目安：4時間以上）
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --%　B: --%　C: --%　D: --%
成績評価法
小テスト、授業内のレポート、学期末の筆記テストで評価します。
小テスト　5％、レポート　5％、学期末の筆記テスト　90％
教科書にかかわる情報
備考
教科書は使用しない．適宜プリント等を配布する．
参考書にかかわる情報
備考
参考書は使用しない．
メッセージ
キーワード
密度関数の推定，ノンパラメトリック推定，非線形主成分分析，データハンドリング，多次元尺度構成法，サンプリングメソッド，クラスタリング
持続可能な開発目標（SDGs）

  • 質の高い教育をみんなに
(教育)すべての人に包摂的かつ公正な質の高い教育を確保し、生涯学習の機会を促進する。
関連科目
履修条件
連絡先
E-mail:nsuetake@yamaguchi-u.ac.jp, 電話：083-933-5703
E-mail:tairakobayashi@yamaguchi-u.ac.jp, 電話：083-933-5695
オフィスアワー
平日9:00-17:00
ただし，事前に必ず連絡して予約をとって下さい．

ページの先頭へ