△Ｗｅｂマイニング（k）[2L12]

＜学位授与の方針＞

	1. 基礎知識の習得
○	2. 専門分野知識の習得
◎	3. 汎用的問題解決技能
○	4. 道徳的態度と社会性

＜授業のねらい＞

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．

＜受講にあたっての前提条件＞

特になし

＜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．

＜授業計画及び準備学習＞

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．
課題に関しては，次の講義で解説を行い，復習を兼ねる．
毎回の講義に際し，事前学習として教科書の該当する章を熟読して望むこと．
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．

第1回：ソーシャルメディア各論
　代表的なWeb・ソーシャルメディアの紹介を行い，講義の全容を理解する．
第2回：ビッグデータとソーシャルメディア（教科書p17-50）
　ビッグデータの定義と具体例，ソーシャルメディアとの関係について学ぶ．
第3回：ビッグデータ時代の仮説（教科書p51-73）
　データマイニングに行うに当たっての仮説の設定方法について学ぶ．
第4回：データマイニングの基本概念（教科書p100-115）
　データマイニングの概念およびマイニング手法，対象とするデータ構造について学ぶ．
第5回：相関ルールのマイニング（教科書p116-130）
　相関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．
第6回：クラスタリング（教科書p131-146）
　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．
第7回：分類（教科書p147-158）
　データの分類アルゴリズムについて学ぶ，また，その評価方法を理解する．
第8回：予測（教科書p159-172）
　回帰モデルなどの予測モデルとその手法について学ぶ．
第9回：Webの構造マイニング（教科書p173-190）
　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．
第10回：Webの内容マイニング（教科書p191-212）
　Web情報検索，インデクスといった内容に対する情報抽出手法について学ぶ．
第11回：Webの履歴マイニング（教科書p213-229）
　Web利用者に対するマイニング，情報推薦手法について学ぶ．
第12回：メディアマイニング（教科書p229-255）
　木構造，グラフ構造に対するマイニング手法およびマルチメディアデータに対するマイニング手法を学ぶ．
第13回：スケーラビリティと外れ値検出（教科書p256-270）
　データ量の増大に対するスケーラビリティを確保する手法およびデータの外れ値の検出手法について学ぶ．
第14回：学習内容の振り返り

定期試験を行い，学習内容を確認する

＜成績評価方法＞

毎回の講義中に課題の提出を求める．成績は課題および定期試験の成績で判定する．
講義中に示す課題，学期末試験の評価割合は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．

＜教科書＞

ソーシャル・ビッグデータサイエンス入門―基本概念からマイニング技術、応用まで，石川 博，コロナ社

＜参考書＞

特になし

＜オフィスアワー＞

曜日：水曜日
時間：11:05〜12:50
居室：A2473（新宿キャンパス）

＜学生へのメッセージ＞

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．