資料詳細

[ 和図書 ] 大規模データのマイニング

Anand Rajaraman／著 -- 共立出版 -- 2014.7 --

所蔵

所蔵は 1 件です。

所蔵館	所蔵場所	資料区分	請求記号	資料コード	所蔵状態	資料の利用
配架日	協力貸出	利用状況	返却予定日	資料取扱	予約数	付録注記	備考
中央	書庫	一般図書	/377.1/5417/2011	5020530999		Digital BookShelf
2011/10/05	可能	利用可			0

【中央図書館休館】令和7年11月1日（土）〜令和8年1月3日（土）
この期間は中央図書館での資料の閲覧はできません。
また、令和7年10月22日（水）～31日（金）に、中央図書館での資料閲覧予約を希望する場合は、電話または来館でお申し込みください。インターネットでの申込みはできません。

- 統合検索
  都内図書館の所蔵を
  横断検索します。 類似資料 AI Shelf
  この資料に類似した資料を
  AIが紹介します。

遠隔複写申込みは、東京都在住・在勤・在学の方からお受けいたします。
複写カート機能には、Cookieを使用しています。申込む際はCookieを有効にしてください。

ページの先頭へ

資料詳細

タイトル	大学教育における学習への動機づけ研究
タイトルカナ	ダイガクキョウイクニオケルガクシュウエノドウキズケケンキュウ
タイトル関連情報	甲南大学の教育効果を高めるための1つの試み
タイトル関連情報読み	コウナンダイガクノキョウイクコウカオタカメルタメノヒトツノココロミ
出版地	神戸
出版者	甲南大学総合研究所
出版者カナ	コウナンダイガクソウゴウケンキュウジョ
出版年	2011.3
ページ数	119p
大きさ	21cm
シリーズ名	甲南大学総合研究所叢書
シリーズ名のルビ等	コウナンダイガクソウゴウケンキュウジョソウショ
シリーズ番号	106
シリーズ番号読み	106
価格	非売品
内容注記	大学生の友人形成をさぐる平松闊∥著. 日本語学習者と英語学習者の留学動機原田登美∥著. 大学における「基礎ドイツ語」の学習動機に関する量的研究藤原三枝子∥著. 教師の「主観的な理論」から見た文法学習森田昌美∥著
一般件名	大学 , 学習指導 , 動機づけ
一般件名カナ	ダイガク,ガクシュウシドウ,ドウキズケ
一般件名典拠番号	510441700000000 , 510590100000000 , 511242700000000
分類：都立NDC10版	377.15
テキストの言語	日本語
書評掲載紙	朝日新聞 2014/03/16 1858
書評掲載紙2	産経新聞 2014/03/30
資料情報1	『大規模データのマイニング』　Anand Rajaraman／著, Jeffrey David Ullman／著 , 岩野和生／訳　共立出版　2014.7（所蔵館：中央　請求記号：/007.6/8567/2014　資料コード：7104324666）
URL	https://catalog.library.metro.tokyo.lg.jp/winj/opac/switch-detail.do?lang=ja&bibid=1107389431

ページの先頭へ

1 データマイニング: 1.1 データマイニングとは何か?; 1.2 データマイニングの統計的な限界; 1.3 知っておくと役に立つこと; 1.4 本書の概略; 1.5 第1章の要約; 1.6 第1章の参照文献
2 大規模ファイルシステムとマップレデュース: 2.1 分散ファイルシステム; 2.2 マップレデュース; 2.3 マップレデュースを用いたアルゴリズム; 2.4 マップレデュースの拡張; 2.5 クラスター計算の効率; 2.6 第2章の要約; 2.7 第2章の参照文献
3 類似したアイテムを探す: 3.1 近傍探索の応用; 3.2 文書のシングリング; 3.3 類似度を保持した集合の要約; 3.4 文書の局所性鋭敏型ハッシング; 3.5 距離尺度; 3.6 局所性鋭敏型関数の理論; 3.7 その他の距離尺度のためのLSH族; 3.8 局所性鋭敏型ハッシングの応用; 3.9 高い類似度に対する手法
4 データストリームのマイニング: 4.1 ストリームデータモデル; 4.2 ストリームデータのサンプリング; 4.3 ストリームをフィルタリングする; 4.4 ストリーム中の異なる要素を数える; 4.5 モーメントを推定する; 4.6 窓に含まれる1の数をカウントする; 4.7 減衰する窓; 4.8 第4章の要約; 4.9 第4章の参照文献
5 リンク解析: 5.1 PageRank; 5.2 PageRankの効率のよい計算; 5.3 話題に敏感なPageRank; 5.4 リンクスパム; 5.5 ハブとオーソリティー; 5.6 第5章の要約; 5.7 第5章の参照文献
6 頻出アイテムセット: 6.1 マーケットバスケットモデル; 6.2 マーケットバスケットとアプリオリアルゴリズム; 6.3 主記憶上でより大きなデータセットを扱う; 6.4 パスの回数が限られているアルゴリズム; 6.5 ストリームで頻出アイテムを数える; 6.6 第6章の要約; 6.7 第6章の参照文献
7 クラスタリング: 7.1 クラスタリング技法の入門; 7.2 階層型クラスタリング; 7.3 k平均アルゴリズム; 7.4 CUREアルゴリズム; 7.5 非ユークリッド空間でのクラスタリング; 7.6 ストリームに対するクラスタリングと並列化; 7.7 第7章の要約; 7.8 第7章の参照文献
8 ウェブ上での宣伝: 8.1 オンライン広告の課題; 8.2 オンラインアルゴリズム; 8.3 マッチング問題; 8.4 アドワーズ問題; 8.5 アドワーズの実装; 第8章の要約; 第8章の参照文献
9 推薦システム: 9.1 推薦システムの1つのモデル; 9.2 内容にもとづいた推薦; 9.3 協調フィルタリング; 9.4 次元の削減; 9.5 Netflixチャレンジ; 9.6 第9章の要約; 9.7 第9章の参照文献

ページの先頭へ

資料詳細

所蔵

資料詳細

目次