データマイニング入門

第1回目はガイダンスおよび全体の概論を説明する。以降、以下の内容について授業を進める。講義全体の最後には学習した内容に基づきミニプロジェクトを行う。 ・データ分析のためのPythonプログラミング：Pythonの基本的な文法とNumpy, Scipy, Pandas, Matplotlibなどの科学技術計算のための主要なモジュールについて ・データ分析のための数理的基礎：記述統計、分布、検定、ベクトル・行列、固有値分解、最適化基礎などについて ・データの前処理・加工とデータベース：サンプリングと信頼区間、欠損値・ノイズ・外れ値の処理、関係データベースなどについて ・テキストデータ分析の基礎：tfidf、Bag of Words、ベクトル空間モデル、形態素解析、類似度、潜在意味解析などについて ・ネットワーク・グラフデータ分析の基礎：接続行列, 最短距離, クラスタリング係数, 中心性、コミュニティ抽出、ネットワークの数理モデルなどについて ・時系列データ分析の基礎：確率過程基礎、自己回帰移動平均モデルとその一般化などについて ・データマイニングの基礎：相関ルール、頻出パターン、決定木、ナイーブベイズなどについて ・機械学習の基礎（教師あり学習）：k-NN、線形回帰、ロジスティック回帰、正則化、モデル選択などについて ・機械学習の基礎（教師なし学習）：k-means、階層化クラスタリング、EMアルゴリズムなどについて ・データの可視化：主成分分析、多次元尺度構成法、t-SNEなどについて

スライドと板書を用いた講義と履修者のノートPCを使用した演習を行う。講義資料および演習資料と課題は講義中に指定するウェブサイトに公開する。

出席と講義中の演習の結果ならびにミニプロジェクトのレポート内容によって評価する。

必須の教科書はないが以下の書籍を推薦する。 Machine Learning: A Probabilistic Perspective Kevin P. Murphy (著) The MIT Press ISBN-10: 0262018020 統計的自然言語処理の基礎 Christopher D. Manning (著),‎ Hinrich Sch¨utze (著),‎ 加藤 恒昭 (翻訳),‎ 菊井 玄一郎 (翻訳) 共立出版 ISBN-10: 4320124219 Networks: An Introduction M. E. J. Newman (著) Oxford Univ Press ISBN-10: 0199206651

プリントを配布するとともに講義中に推薦書を適宜指示する。

履修にあたっては、高校数学の知識を前提とする。必須ではないが、Pythonの基礎とJupyterノートブックの使い方を理解していることが望ましい。また、前期課程の「データマイニング入門」および後期課程の「Pythonプログラミング入門」を受講しているのが望ましい。