第12回組込み適塾

  • D05-02
ビッグデータ分析・データマイニング概論

講義日時:2019年9月19日 9:30~17:30

講義概要

ビジネスデータの分析や科学計算で利用されているデータマイニング技術について学びます.その中でも,本講義では,相関ルールマイニング,クラスタリング,分類,グラフデータ分析を中心に手法の特徴を学びます.さらに,近年大流行の深層学習の基礎的な技術と応用についても講義します.

講師

所属
大阪大学
講師名
佐々木 勇和
2014年大阪大学大学院情報科学研究科を修了後,2年間の名古屋大学ポスドクを経て,2016年より大阪大学大学院情報科学研究科助教.モバイルネットワーク,データベース,およびデータマイニングの研究に従事.

講義内容

  1. データマイニングの実用例 : 実際にデータマイニングがどのように社会に応用されているかを具体例を用いて説明する.
  2. 相関ルールマイニング : 事象Aと事象Bの相関を定式化する手法について学ぶ.
  3. クラスタリング : データの類似性をもとに共通的な特徴をもつグループに分割する手法について学ぶ.
  4. 分類 : ある未知のデータが与えられたときに,そのデータが何であるかを分類する手法について学ぶ.
  5. グラフデータ分析 : 物と物の関係性をモデル化したグラフを分析する技術について学ぶ.
  6. 深層学習 : 深層学習がなぜ流行しているかを含めて実応用例と基礎技術について学ぶ.
  7. 演習: Pythonを用いてデータマイニング技術の実装を行う.

受講要件

【受講要件】
情報工学に関して基礎的な知識を有することが望ましい.また,演習にてプログラミング言語Pythonを用いるため,Pythonの知識を有していることが望ましい.
【事前学習のポイント】
自身や会社が保持するデータの応用方法について,全員で議論する時間をとりたいと思います.もし可能であれば,何か応用を考えて受講いただけると有難いです.

事前学習教材

講義2週間前に電子ファイル送付(事前学習を推奨)

講義に関連する解説記事・参考文献・図書等

Data Mining: Concepts and Techniques,Jiawei Han, Micheline Kamber and Jian Pei,Morgan Kaufmann Publishers 深層学習 (機械学習プロフェッショナルシリーズ),岡谷 貴之,講談社