日本語 English
| 開講年度/ Academic YearAcademic Year |
20232023 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR416/VR416VR416 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
オンライン（全回オンライン）/Online (all classes are online)Online (all classes are online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
|
| 校地/ CampusCampus |
他/OtherOther |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
金6･4339/Fri.6･4339 Fri.6･4339 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR5500 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Grade (Year) RequiredGrade (Year) Required |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ prerequisite regulationsprerequisite regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
|
| 履修中止可否/ course cancellationcourse cancellation |
|
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
|
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
VR416 |
After completing this course, students should be able to:
-explain the concepts and terminology associated with complex network science
-understand and apply general complex network science methods for data analysis
-choose the appropriate data analysis method given particular phenomena and data
-understand the limitations of data analysis stemming from assumptions embedded in the method, the finite resolution of the data, the sampling bias of the data, and so on.
This course will provide students with the foundations of data science, based especially on complex network science techniques. Students will learn the concepts, techniques, and tools they need to analyze various types of real data.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
複雑ネットワーク科学の用語や概念を理解すること、複雑ネットワーク科学のデータ分析手法を修得すること、現象やデータに応じて適切な分析手法を選択できるようになること、分析手法の仮定やデータの解像度・サンプルバイアスなどに起因したデータ分析の限界を理解することを目標とする。
After completing this course, students should be able to:
-explain the concepts and terminology associated with complex network science
-understand and apply general complex network science methods for data analysis
-choose the appropriate data analysis method given particular phenomena and data
-understand the limitations of data analysis stemming from assumptions embedded in the method, the finite resolution of the data, the sampling bias of the data, and so on.
複雑ネットワーク科学に関連したデータサイエンスの基礎的手法を解説する。様々な実データを分析する際に必要となる概念や分析手法を学ぶ。
This course will provide students with the foundations of data science, based especially on complex network science techniques. Students will learn the concepts, techniques, and tools they need to analyze various types of real data.
| 1 | ネットワークの特徴量（隣接行列，次数，平均距離，クラスター係数，有向，ネットワークモチーフ） |
| 2 | ランダムネットワークとスモールワールドネットワーク（二項分布とポアソン分布，エルデシュ・レニィモデル，スモールワールド性，ワッツ・ストロガッツモデル） |
| 3 | スケールフリーネットワークと次数相関（ベキ分布，ベキ指数，自然なカットオフ，バラバシ・アルバートモデル，優先的選択，構造的な次数排他性） |
| 4 | ネットワークの探索アルゴリズムと頑健性（幅優先探索と深さ優先探索，強連結成分，パーコレーション，相転移，偶発的故障への頑健性，ハブ攻撃への脆弱） |
| 5 | 中心性とPageRank（確率行列，既約，マルコフ過程，強連結，ランダムウォーク，最大固有ベクトル，ベキ乗法，オーソリティ度とハブ度） |
| 6 | コミュニティ構造（コミュニティ抽出アルゴリズム，モジュラリティ，貪欲法，可視化，階層性） |
| 7 | NetworkXの使い方と研究事例 |
| 8 | 複雑ネットワーク科学に関連した統計解析（次数分布） |
| 9 | Python(NetworkX)の実習（平均距離，クラスター係数，中心性） |
| 10 | Python(NetworkX)の実習（解析結果の図示，ネットワークの描図） |
| 11 | Python(NetworkX)の実習（コミュニティ分析） |
| 12 | 複雑ネットワーク解析の実際 |
| 13 | 複雑ネットワーク解析の総合実習 |
| 14 | 現実の経済・社会ネットワークを解析した研究の紹介 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各自の授業の理解度に応じてテキスト等を復習することを薦める．
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
７回程度のレポート(100%) |
| 備考 (Notes) | ||
なし/None
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | Mark Newman | Networks (Second Edition) | Oxford Univ Pr | 2018 | 0198805098 |
| 2 | Albert-László Barabási | Network Science | Cambridge University Press | 2016 | 1107076269 |
| 3 | Albert-László Barabási | ネットワーク科学: ひと・もの・ことの関係性をデータから解き明かす新しいアプローチ | 共立出版 | 2019 | 4320124472 |
| 4 | Ernesto Estrada and Philip A. Knight | A First Course in Network Theory | Oxford University Press | 2015 | 0198726465 |
| 5 | 増田直紀，今野紀雄 | 複雑ネットワーク―基礎から応用まで | 近代科学社 | 2010 | 4764903636 |
| 6 | 村田剛志 | Pythonで学ぶネットワーク分析 | オーム社 | 2019 | 9784274224256 |
| 7 | 林幸雄，谷澤俊弘，鬼頭朋見，岡本洋 | Pythonと複雑ネットワーク分析―関係性データからのアプローチ― | 近代科学社 | 2019 | 9784764906020 |
| その他 (Others) | |||||
| http://networksciencebook.com/ | |||||
1〜6回と14回は大西，7〜13回は伊藤が担当する．