授業の概要・目的

今日，文理の分野を問わず最先端の研究を進めていくには，大規模データの分析・管理技術が不可欠となっている．本講義では，コンピュータで問題を解くために必要なモデル化やアルゴリズムと，その情報検索への応用，データの管理およびデータから有用な情報や知識を発見するマイニング技術，情報の分析結果の可視化とインタラクション技術など，様々な分野で利用されているトピックを精選して講述する．特に，具体的な問題に対して，それらの技術をどのように適用できるかを学ぶことで，技術の基本的な考え方を理解し，各自の分野において，応用できるようになることを目標とする．

到達目標

【研究科横断型教育の概要・目的】
上述したように，大規模データの分析・管理技術はあらゆる分野の研究に必要とされている．本授業では，それらの技術の仕組みの基礎を理解するとともに，「情報分析・管理演習」と連携して，各自が具体的な問題に対して技術を実践できるレベルに到達することを目標としている．

授業計画と内容

・ガイダンス（講義全体の概要）（1回）

・問題のモデル化と問題の解き方，情報検索（3回）
コンピュータで問題を解くために必要となる，問題のモデル化と，問題の解き方，すなわち，アルゴリズムについて学ぶ．
具体的には，まず，グラフを用いたモデル化，アルゴリズムとその戦略（計算量，近似，動的計画など），情報検索に用いられるランキング手法（PageRankやHITSなど）の応用について講述する．さらに，情報科学の他分野への応用について学ぶ．

・データマイニング（5回）
データを分析して，有用な情報や知識を発見するための手法について講述する．
具体的には，データマイニング技術（アソシエーションルール，クラスタリング，決定木，サポートベクターマシン，深層学習など）と，そこで利用されている機械学習やベイズ推定の技術を学ぶ．

・データベース・情報検索・情報可視化（3回）
大規模な情報を管理するデータベース技術，大量の文書データから必要な情報を検索する技術，情報システムを利用者からのフィードバックに基づき改善する技術について，研究での応用事例も交えながら説明する．

・自然言語処理（3回）
自然言語を扱う技術について講述する．形態素解析などの文書解析基本技術，機械学習と大規模言語モデルにより機械翻訳や文書要約などのタスクに応用する技術を学ぶ．

履修要件

「情報分析・管理演習」を，原則として受講すること．
各自のノートPC等の持ち込みを前提とする．