【講義概要】
データマイニングは統計学等のデータ解析の技法を、企業等の大量なデータに網羅的に適用することで知識を取り出す技術で、通常のデータの扱い方から想像が及びにくい、発見的(ヒューリスティック)な知識や有用な情報の取得を期待して利用されるものである。従来は、このような取引等のデータは経理処理等に必要なデータだけ取り出され、他に活用されなかったが、情報技術の向上により潜在的な企業経営ニーズが眠る大量なデータを鉱山と見立てて採掘(mining)することが可能となっている。このデータマイニングを利用して、企業等では各種問題解決に活用し、最近ではビッグデータの解析に使われているて。
【学習到達目標】
データサイエンスとしてのデータマイニングの技術や統計学のデータ分析の手法を習得できる。
【履修上の注意】
積極的な授業への取り組みを望む。
【事前準備学習】
授業前に配布する資料を読み、専門用語や不明な用語は予め調べておく。
授業後においては授業で行なった分析法を整理し授業内容を再現できるようにしておく。
【教材】
※指定図書は担当教員が、学生が必読すべきものとして指定する図書のことです。
図書は図書館に置いてあり、1週間借りることができます。(一部貸出不可の図書もあります。)
教科書 | 資料を配布する。 |
参考書 | -参考書は、登録されていません。- |
指定図書 | -指定図書は、登録されていません。- |
【評価方法】
毎講義ごと行う課題(30点)、理解度確認中間テスト(20点)、理解度確認期末テスト(30点)と学習態度(20点)で評価する。
【講義テーマ】
回数 | テーマ | テーマURL |
1 | 1: ガイダンス(授業の概要と今後の進め方について説明する) | |
2 | 2: 2組のデータセットから違いについて検討1(t検定) | |
3 | 3: 2組のデータセットから違いについて検討2(回帰分析) | |
4 | 4: 2組のデータセットから予想を行う(相関・回帰分析) | |
5 | 5: 相関・ローソクチャート1(単回帰式) | |
6 | 6: 相関・ローソクチャート2(データ予測) | |
7 | 7: 重回帰分析1(重回帰分析の基礎) | |
8 | 8: 理解度確認中間テスト | |
9 | 9: 重回帰分析2(説明変数選択基準) | |
10 | 10: 重回帰分析3(影響度と予測) | |
11 | 11: 定性的な情報での予測1(要因選択基準) | |
12 | 12: 定性的な情報での予測2(要因効果) | |
13 | 13: 数量化理論1類モデル | |
14 | 14: 実験計画法 | |
15 | 15: 理解度確認確認テスト | |
16 | 16: 定期試験期間 | |