ビッグデータ応用Ⅱ〔特徴量エンジニアリング〕¶
北星学園大学 担当：小野原 彩香 ／ 3年後期・2単位
授業の目的¶
地理空間データを対象に、再現可能な分析パイプラインを構築する技術を習得します。
- 学内配布「地理空間情報LLM」のログデータを素材とする
- CLIツール（GDAL等）による空間特徴量の設計
- PCA → k-means → PLS の一連の分析
- LLMによる処理の自動化と検証
- 第三者が再現可能な分析リポジトリの完成
この授業は「1つのデータセットを14回かけて段階的に処理する」一本道の構造です。毎回の演習は独立しておらず、前回の出力が今回の入力になります。最終的に、第三者が実行できる再現リポジトリが手元に残ります。
各回の資料には、式の導出を折りたたみで置いています。授業では開いて確認し、復習では閉じたまま読めます。
到達目標¶
- GDAL等のCLIツールで基本的な地理空間データ処理（座標変換・空間結合・密度推定等）を実行できる
- LLMを用いて地理空間処理のコマンドを生成し、その結果を検証・修正できる
- 空間特徴量にPCA・k-means・PLSを適用し、地域類型化や要因分析を行える
- Makefile・READMEを備えた、第三者が再現可能な分析リポジトリを構築できる
授業計画（全14回）¶
フェーズ1：基盤構築¶
分析環境を整え、空間データの読み書き・変換・結合を扱います。
| 回 | テーマ | キーワード |
|---|---|---|
| 1 | 再現可能な分析パイプライン | Makefile, README |
| 2 | 座標変換・投影変換 | GDAL/OGR, CRS |
| 3 | 空間結合 | 空間インデックス, ポリゴン, ポイント |
| 4 | バッファ・最近傍分析 | 距離, 到達圏 |
フェーズ2：特徴量生成¶
空間特徴量を抽出し、LLMによる処理補助と再現性の管理を扱います。
| 回 | テーマ | キーワード |
|---|---|---|
| 5 | カーネル密度推定 | KDE, ヒートマップ |
| 6 | ベクトルタイル | Tippecanoe, 軽量化 |
| 7 | LLMとプロンプトエンジニアリング | コマンド生成, 精度改善 |
| 8 | LLM分析の再現性 | バージョン管理, ログ記録 |
フェーズ3：機械学習分析¶
PCA → k-means → PLS の一連の分析パイプラインを組み立てます。
| 回 | テーマ | キーワード |
|---|---|---|
| 9 | 主成分分析（PCA） | 次元削減, 特徴量安定化 |
| 10 | 時空間データキューブ | 時系列, 変化パターン |
| 11 | k-means クラスタリング | 地域類型化, ゾーニング |
| 12 | PLS回帰 | 要因分析, エラー発生率 |
| 13 | DuckDB + Polars | 統合処理, 高速化 |
統合と発表¶
| 回 | テーマ | キーワード |
|---|---|---|
| 14 | 最終プロジェクト報告 | 成果発表, 技術的制約 |
成績評価¶
| 評価項目 | 割合 |
|---|---|
| 空間演習（第3・5・6回） | 45% |
| 期末プロジェクト（再現リポジトリ） | 45% |
| レビュー参加・提出物整備 | 10% |
事前・事後学習¶
- 事前（2時間）：CLIツールの基本操作の復習、当該回の資料・手順の予習
- 事後（2時間）：演習内容の復習、スクリプト整備・README更新による再現性向上
- 最終プロジェクト：上記に加えて別途まとまった時間が必要
成果物¶
最終成果物として、第三者が実行可能な再現リポジトリを提出します（README/Makefile等を含む）。
このサイトは準備中です
2027年度の開講に向けて作成しています。日程・課題・提出先は、開講前に確定します。