シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
知識データ工学特論 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced Data and Knowledge Engineering | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2021年度 | 開講年次 /Year offered |
全学年 |
| 開講学期 /Semester(s) offered |
前学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
大学院専門教育科目 - 専門科目Ⅱ | ||
| 開講類・専攻 /Cluster/Department |
情報・ネットワーク工学専攻 | ||
| 担当教員名 /Lecturer(s) |
兼岩 憲 | ||
| 居室 /Office |
西9-407 | ||
| 公開E-mail |
kaneiwa_at_uec.ac.jp ( _at_ => @ ) | ||
| 授業関連Webページ /Course website |
http://www.sw.cei.uec.ac.jp/lectures-j.html | ||
| 更新日 /Last update |
2021/04/16 16:46:09 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
本講義では，コンピューターサイエンスや人工知能の分野に於いて急速に発展している先進的な知識データ処理に関して，以下の3つの特徴を持つデータに注目した理論と応用技術を学ぶ． ・Webデータ ・セマンティックデータ ・大規模データ 達成目標 ・XML言語およびDTD(文書型定義)の構文を習得する． ・様々なデータから有益な知識やルールを導き出すために，データマイニングや機械学習のアルゴリズムを習得する． ・意味データやメタデータを記述できるRDF，RDFスキーマ，リンクトデータ，オントロジーデータなどのセマンティックデータの形式，および質問言語SPARQLについて理解する． ・膨大なデータを処理するシステムの仕組みと実用データベースについて基本を理解する． Knowledge and data processing technologies have been rapidly developed in the area of computer science and artificial intelligence. In this lecture, we introduce theories and applications related to the following types of data: - Web Data, - Semantic Web Data, and - Big Data. Goals: Students are expected to understand: (i) the syntax of XML and DTD (Data Type Definition), (ii) algorithms for data mining and machine learning, in order to extract valuable knowledge and rules from various data, (iii) data modeling (RDF and RDF Schema) and query languages as technologies for Semantic Data and Meta Data (Linked Data and Ontology), and (iv) data processing and database systems for big data. |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
離散数学，データベース論 Discrete Mathematics, Database Systems |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
知的情報処理 Intelligent Information Processing |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
教科書： (1) 兼岩 憲，セマンティックWebとリンクトデータ，コロナ社，2017． (2) 兼岩 憲，記述論理とWebオントロジー言語, オーム社, 2009． 参考書： Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, Third Edition, 2011. |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
授業計画 第１回 リレーショナルデータベース（復習） 第２回 Webデータ技術，HTMLの欠点 第３回 DTD(文書型定義)の構文，妥当XML，XMLデータ交換 第４回 データマイニングの基本技術 第５回 知識発見：相関ルール，クラスタリング 第６回 機械学習とデータ分類：決定木，集団学習，ブースティング，SVM 第７回 データのWeb（セマンティックWeb），RDF(Resource Description Framework)データ形式 第８回 シリアライズ，RDF語彙，XML/RDF，RDFスキーマ，リンクトデータ 第９回 セマンティックマークアップ（DC，FOAF，SKOS），クエリ言語SPARQL 第１０回 記述論理とWebオントロジーデータ 第１１回 矛盾判定，包含判定，推論・導出 第１２回 論理的推論アルゴリズム 第１３回 ビッグデータの活用とリレーショナルデータベース 第１４回 NoSQLデータベースシステムの紹介 第１５回 期末試験および試験の解説 授業の進め方： 講義形式で進めていくが，理解を深めるため必要に応じて演習やプログラミングによるレポート課題を実施する． Schedule 1. Relational Database 2. HTML, HTTP, Web Data 3. DTD (Data Type Definition)，XML Database 4. Data Mining Technologies 5. Knowledge Discovery: Association Rule Mining, Clustering 6. Machine Learning and Data Classification: Decision Tree, Assembling Learning，Boosting, SVM 7. The Web of Data (Semantic Web), RDF (Resource Description Framework) 8. Serialization, RDF Vocabulary（DC，FOAF，SKOS），XML/RDF，RDF Schema 9. Semantic Markup, Liked Data, SPARQL 10. Description Logics and Web Ontology 11. Reasoning Tasks: Inconsistency Checking and Subsumption 12. Logical Reasoning Algorithm 13. Big Data and Relational Database 14. NoSQL Database Systems 15. Summary and final examination We will explain some methods and algorithms in the lecture. Some examples and reports are helpful for students' understanding. |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
教科書やスライド資料を読んで各自予習をする． Read textbooks and slides before the class. |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
成績評価方法： レポートと期末試験 評価基準： Webデータ，セマンティックデータ，大規模データの形式と，データからの知識発見のための理論と技術に関して基本的な事項について正しく理解していることをもって合格の最低基準とする． Evaluation method: report and final examination Evaluation criteria: Based on understanding the concepts and technologies of Web data, Semantic Web data, and big data, and the algorithms of data mining and machine learning. |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
西9号棟 407号室，空いている時間ならいつで可能ですが，メールでアポイントメントを取ってください． West 9-407, Contact me to make an appointment by email. |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
インターネットやWebの普及に伴って重要になっている先進的なデータの形式について学びましょう． |
| その他 /Others |
なし |
| キーワード /Keywords |
Webデータ，XML，セマンティックWeb，記述論理，RDF，メタデータ，クエリ，オントロジー，大規模データ Web Data, XML, Semantic Web, Description Logics, Meta Data, Query, Ontology, Big Data |