科目名 Course Title	データマイニング［26R3006］ Data Mining
授業言語 Language	Japanese
科目区分・科目種	文化情報工学科	クラス	文化情報工学科
コンピテンシー	◎批判的思考力，◎問題解決力	ｶﾗｰｺｰﾄﾞ
単位数	2.0単位	履修年次	3年

担当教員	土山　玄
	佐藤　有理
学期	後期
曜日・時限・教室	金曜 3 〜 4 限 共通講義棟1号館201室【ITルーム6】

受講条件・その他注意
データサイエンス（基礎・中級・上級）あるいは文理融合データサイエンス�T・�Uを受講していることが望ましい。

授業の形態
講義，演習

教科書・参考文献
参考文献 "Training Data for Machine Learning: Human Supervision from Annotation to Data Science" Anthony Sarkis, O'Reilly (2023) 『心理学研究法〔第3版〕』高野陽太郎, 岡隆／編、有斐閣 (2025) 978-4641222588 『Rによるやさしいテキストアナリティクス』小林雄一郎, オーム社 (2023) 978-4274230639 『テキストアナリティクスの基礎と実践』金明哲, 岩波書店 (2021) 978-4000298964

ＡＬＨ区分
ＡＬＨ（自発的な学習時間枠）※を実施する

アクティブラーニングの技法
PBL（プロジェクト型学習）

評価方法・評価割合
中間試験=50%，小論文（レポート）=（期末レポート：40%），ALH(自発的な学習時間枠)=10%

主題と目標

授業の概要： 文化情報工学基礎科目のデータサイエンス系科目として3年次後期に履修する必修科目である。 データマイニングはデータを分析することで新たな知見、新たな価値、新たな視点を獲得することである。データマイニングの対象となるデータは多種多様でテキストデータ・画像データ・映像データ・音楽データ・地図データなどである。本科目ではデータマイニングに関わるデータの取得・クリーニング・加工・分析といった一連のプロセスを、主に既存の公開データを使って、学習することを目的とする。扱うデータは、文化情報工学の目的に即して人文・社会分野のデータである。 授業の到達目標： 1. データマイニングに関わる専門知識を理解する。（専門知） 2. データ分析ソフトを用いて人文・社会分野のデータを用いたデータマイニングを実践できるようになる。（専門知） 3．課題設定、データ収集、研究計画の立案、データの整理および加工、データ分析、結果の解釈、レポートの作成というデータマイニングに係わる一連の作業を実践できるようになる。（専門知、発見力、発想力）

授業計画

オムニバス　第1回、第9〜15回　土山玄、第1〜8回　佐藤有理 第1回　データマイングとは何か（土山玄、佐藤有理） データマイニングとはどのようなものなのか学習し、基本的な考え方を理解する。 データマイニングの代表的な事例を学ぶ。（専門知） 第2回　知的所有権（知的財産権）（佐藤有理） 知的所有権（知的財産権）やパブリックドメインについて理解する。（専門知） 第3・4回　オープンデータの利活用（2回）（佐藤有理） 国内外の様々な研究機関がオープンデータとして公開されている。オープンデータの種類は文学作品のテキストデータ、絵画の画像データなど多岐にわたる。そのようなオープンデータの活用事例を学習する。（専門知） 第5〜7回　データの収集（3回）（佐藤有理） インターネットを介して分析に必要なデータを収集する技法を学ぶ。また、データ収集の際に留意すべき倫理的な問題を理解する。（専門知） 第8回　アクティブ・ラーニング　データ収集の実践（佐藤有理） 受講生は自身の興味のあるオープンデータを収集する。あるいは、インターネットを通じて興味のあるデータを収集する。収集したデータを対象とした分析計画をレポートにし、これを提出する。（発見力、発想力） 第9回　データマイニングのツール（土山玄） データを入手し分析するために、分析に適した形式にデータを加工しなくてはならない。多種多様なデータの性質に適したデータマイニングのツールについて学習する。（専門知） 第10回　特徴的なパターンの抽出（土山玄） 種々のデータを対象として、データに潜む特徴的なパターンの抽出するための方法を理解する。（専門知） 第11・12回　クラスタリング（2回）（土山玄） 類似した特徴を持つものをひとまとめにする分析手法を理解する。（専門知） 第13・14回　分類と予測（2回）（土山玄） 古写本や古記録の画像データからくずし字を学習し、くずし字を自動認識するアプリケーションの開発が試みられている。このような実例を学び、データを分類するモデルや予測するモデルについて理解する。（専門知） 第15回　分析手法の復習とデータマイニングの実践（土山玄） 本科目で採り上げた分析手法を復習し、データマイニングに用いられる各手法の特徴についての理解を深める。第8回のアクティブ・ラーニングで収集したデータを対象とし、データマイニングを行う。（専門知、発想力）

時間外学習
時間外学習として各回の授業内容を復習することを推奨する。また、本授業では授業内容に関連する書籍を紹介する。余裕がある受講生にはそれらの書籍を読むことを薦める。

学生へのメッセージ
データマイニングに係わる一連の作業は繰り返し演習することで理解が深まります。主体的に演習に取り組み、本授業で学んだ知識やスキルを使いこなし卒業研究を行えるようになることを期待します。

学生の問い合わせ先
tsuchiyama.gen@ocha.ac.jp