データ解析特論

Advanced Data Analysis

994G29P

46CSINS501

入江　豪

Go Irie

2026年度前期

2026年度

①First semester

火曜3限

Tuesday 3rd Period

工学研究科　情報工学専攻

Department of Information and Computer Technology, Graduate School of Engineering

2.00単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

パターン認識、機械学習、データマイニングを中心とするデータ解析学分野の最新技術論文を読解し、それらに関するプレゼンテーションを実施する。もしくは、同様の論文に関する実習を企画し、実習と報告を行う。

In this course, students will read papers on state-of-the-art techniques in the field of data analysis, such as pattern recognition, machine learning, data mining, etc., and give presentations on them. Alternatively, students will be asked to plan, conduct, and report on a practical exercise on a recent paper in the field of data analytics.

データ解析学分野の最新技術の論文を読み、理解し、活用可能にするスキルを身に付ける。

The aim of this course is to develop the skills to read, understand, and use state-of-the-art techniques published in the field of data analytics.

データ解析学分野の最新技術を理解し、プレゼンテーションによって説明できる、及び／又は、最新技術の特性を解析する／改善する実習を企画・実行し、プレゼンテーションできる。

Be able to understand and present state-of-the-art techniques in the field of data analytics, and/or, be able to plan, conduct, and present an exercise to analyze the characteristics of or improve upon state-of-the-art techniques in the field of data analytics.

データ解析学関連領域（パターン認識、機械学習、人工知能、メディア処理、データマイニングなど）に関する基礎知識・実習経験を有することが望ましい。
第１回講義の際に輪講・実習の担当回決定を行うため、必ず出席すること。

Basic knowledge and implementation experience in relevant areas of data analytics (pattern recognition, machine learning, artificial intelligence, media processing, data mining, etc.) are desirable.
Be sure to attend the Day 1 session to determine assignments for presentations.
Be sure to self-register for the corresponding LETUS course (994G29P).

ディベート・ディスカッション　Debate/Discussion／プレゼンテーション　Presentation

-

プレゼンテーションの準備には十分な時間を取るようにしてください。

Give yourself sufficient time to prepare your presentation.

プレゼンテーション（論文紹介 and/or 実習）　　　：100%
内容の理解度・プレゼンテーションの内容・実習の妥当性等を評価する

Presentation (paper review and/or exercise)           : 100%
Comprehension of content, quality of presentation, appropriateness of exercises, etc. will be evaluated.

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

履修状況等によって順序・内容を変更する可能性があります。

1. ガイダンス

2. 講義：データ解析学の基礎

3. プレゼンテーション：パターン認識の最新技術（１）

4. プレゼンテーション：パターン認識の最新技術（２）

5. プレゼンテーション：機械学習の最新技術（１）

6. プレゼンテーション：機械学習の最新技術（２）

7. プレゼンテーション：データマイニングの最新技術（１）

8. 中間討論

9. 講義：データ解析学分野の動向

10. プレゼンテーション：パターン認識の最新技術（３）

11. プレゼンテーション：パターン認識の最新技術（４）

12. プレゼンテーション：機械学習の最新技術（３）

13. プレゼンテーション：機械学習の最新技術（４）

14. プレゼンテーション：データマイニングの最新技術（２）

15. まとめ

---
Schedule is tentative and subject to change.

1. Guidance

2. Lecture: Fundamentals of Data Analysis

3. Presentation: State-of-the-art in pattern recognition (1)

4. Presentation: State-of-the-art in pattern recognition (2)

5. Presentation: State-of-the-art in machine learning (1)

6. Presentation: State-of-the-art in machine learning (2)

7. Presentation: State-of-the-art in data mining (1)

8. Discussion

9. Lecture: Trends in data analytics

10. Presentation: State-of-the-art in pattern recognition (3)

11. Presentation: State-of-the-art in pattern recognition (4)

12. Presentation: State-of-the-art in machine learning (3)

13. Presentation: State-of-the-art in machine learning (4)

14. Presentation: State-of-the-art in data mining (2)

15. Discussion

-

-

-

Y

N