| 開講学期／Course Start | 2022年度／Academic Year 前期／First |
|---|---|
| 開講曜限／Class period | 木/Thu 5 , 木/Thu 6 , 木/Thu 7 , 木/Thu 8 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 情報電子工学系専攻知能情報学コース |
| 対象学年／Year | 1年 , 2年 |
| 授業科目区分／Category | 博士前期課程 大学院自専攻科目 |
| 必修・選択／Mandatory or Elective | 選択 |
| 授業方法／Lecture or Seminar | 講義科目 |
| 授業科目名／Course Title | 情報数理工学特論Ａ／Advanced Mathematical Engineering A |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 工藤 康生 (システム理化学科数理情報システムコース) |
| 時間割コード／Registration Code | MP311B |
| 連絡先／Contact |
工藤 康生(工藤康生(V408 0143-46-5469 kudo＠csse.muroran-it.ac.jp ＊＠を小文字に変更してください。) ) |
| オフィスアワー／Office hours | 工藤 康生(工藤康生(水曜日 16:30-17:30) ) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2022/03/09 |
|---|---|
| 授業のねらい ／Learning Objectives |
離散値データからのルール抽出等に基づくデータ分析手法として、形式概念分析とラフ集合に着目し、その理論的側面について学ぶ。２手法の数学的基礎および理論的性質、具体的なアルゴリズムについて学ぶ。 In this lecture, formal concept analysis (FCA) and rough set theory are lectured as two approaches of data analysis for discrete data. Mathematical basis, theoretical aspects, and detailed algorithms of the two approaches are studied. |
| 到達度目標 ／Outcomes Measured By: |
１．形式概念分析およびラフ集合の数学的基礎を理解できる（論理力） ２．形式概念分析およびラフ集合の理論的性質およびアルゴリズムを理解できる（理解力） 1. Understanding of mathematical basis of formal concept analysis and rough set theory 2. Understanding of theoretical aspects and algorithms of formal concept analysis and rough set theory |
| 授業計画 ／Course Schedule |
総授業時間数（実時間）；２２時間３０分 第１回 ガイダンス，ルール抽出によるデータマニングの概略 第２回 形式概念分析（１）：数学的準備 第３回 形式概念分析（２）：束構造 第４回 形式概念分析（３）：形式概念と概念束 第５回 形式概念分析（４）：コンセプト生成アルゴリズム 第６回 形式概念分析（５）：コンセプトとコンセプトラティスの 諸性質（１） 第７回 形式概念分析（６）：コンセプトとコンセプトラティスの 諸性質（２） 第８回 前半のまとめ・レポート１作成： 第９回 ラフ集合（１）：定義と性質 第１０回 ラフ集合（２）：情報表と縮約 第１１回 ラフ集合（３）：決定表と相対縮約 第１２回 ラフ集合（４）：識別行列による相対縮約の抽出 第１３回 ラフ集合（５）：決定行列による決定ルールの抽出 第１４回 ラフ集合（６）：相対縮約抽出の各種アルゴリズム 第１５回 後半のまとめ・レポート２作成 Total hours 22.5hrs 1. Guidance, review of rule-extraction-based data mining 2. FCA (1): Mathematical basis 3. FCA (2): Lattice structure 4. FCA (3): Formal concept and concept lattice 5. FCA (4): Algorithms for extracting formal concepts 6. FCA (5): Properties of concepts and concept lattices (1) 7. FCA (6): Properties of concepts and concept lattices (2) 8. Review of FCA, submission of report 1 9. Rough set (1): Definition and basic properties 10. Rough set (2): Information table and reducts 11. Rough set (3): Decision table and relative reducts 12. Rough set (4): Extraction of relative reducts by discernibility matrix 13. Rough set (5): Extraction of decision rules by decision matrix 14. Rough set (6): Algorithms of relative reduct extraction 15. Review of rough set, submission of report 2 新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、授業計画・授業実施方法は変更する可能性があります。 Due to the epidemic situation of COVID19, the plan and implementation method may be changed. In that case, I will explain to you properly. 各回の学修時間の目安は、事前・事後合わせて４時間必要です。 For each 90 minute class, students are expected to undertake an additional 4 hours of self study. |
| 教科書・参考書に関する備考 |
教科書は使用しない．講義資料を必要に応じて配布する． No text book is used. Some parts of lecture slides will be provided. 鈴木 治，室伏 俊明：形式概念分析―入門・支援ソフト・応用―，日本知能情報ファジィ学会誌, Vol. 19, No. 2, pp. 103－142, 2007． Osamu Suzuki and Toshiaki Murofushi, Formal Concept Analysis - Introduction, Support Softwares, and Applications -, Journal of Japan Society for Fuzzy Theory and Intelligent Systems, Vol. 19, No. 2, pp.103-142, 2007. |
| 成績評価方法 ／Grading Guidelines |
2回のレポート提出の内容を総合的に評価する。 1. 形式概念分析の主に理論的性質に関するレポートを課し，達成度を評価する 2. ラフ集合の主に理論的性質に関するレポートを課し，達成度を評価する The score for each student is evaluated by two reports from the viewpoint of understanding and practice of data mining based on FCA and rough set theory. 新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、成績評価方法は変更する可能性があります。 Due to the epidemic situation of COVID19, the evaluation method may be changed. In that case, I will explain to you properly. |
| 履修上の注意 ／Notices |
集合論の初歩（集合,写像,関係など）に関する基礎知識を持っていることが望ましい． Basic knowledge about foundations of naive set theory (sets, mappings, relations, etc.) is assumed. |
| 学習・教育目標との対応 ／Learning and Educational Policy |
この授業科目は情報電子工学系専攻の学習・教育目標の全ての項目に対応している. The education for this class corresponds to all the learning/teaching objectives of Course of Intelligent Informatics. |
| 関連科目 ／Related course |
情報数理工学特論B Advanced Mathematical Engineering B |
| 備考 ／Notes |
この授業は日本語（および必要に応じて英語）で行う．講義資料の一部は英語で記述する． This lecture will be taught in Japanese (and English if necessary) and some parts of lecture slides will be written in English. 本科目は，数理データサイエンス教育プログラムの科目における数理基礎科目群に含まれ，数理科学の基盤的な内容を学びます。 DSポイント：2ポイント The content of this course is the fundamental mathematical science. The course is supported by Mathematical and Data Science Education Program of Muroran Institute of Technology. |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 該当するデータはありません | ||||
|
Active learning 1-1 ／主体的学修（反転授業，小テスト，振り返り 等） |
|
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
該当なし |
|
Active learning 2-1 ／対話的学修（グループ学習，協働，調査体験 等） |
|
|
Active learning 2-2 ／上記項目に係るALの度合い |
該当なし |
|
Active learning 3-1 ／深い学修（複数科目の知識の総合化や問題解決型学修 等） |
|
|
Active learning 3-2 ／上記項目に係るALの度合い |
該当なし |