シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	計算科学応用演習／Applied Computational Science
時間割コード／Course Code	7231000021
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学部／
曜日コマ／Day, Period	金／Fri　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	3,4
主担当教員／Main Instructor	守真太郎／MORI SHINTARO
科目区分／Course Group	専門教育科目
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
守真太郎／MORI SHINTARO	理工学研究科／

難易度（レベル）／Level	レベル2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○AIの現代社会やビジネスでの利活用について学識を得ること（見通す力） ○データ分析で最も重要な回帰分析について学識を得ること（見通す力） ○パソコンを用いてデータを分析し、課題解決につなげる力を養う(解決していく力）
授業の概要／Summary of the class	○データ分析による課題解決のための基礎知識と、Pythonによるデータ分析スキルを修得する。 ○主に回帰分析の手法と具体的な課題を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。 ○プログラミング言語としてPythonを用いる。
授業の内容予定／Contents plan of the class	第１回：データサイエンスと人工知能第２回：Pythonプログラミングの基礎1: 変数とデータ型第３回：Pythonプログラミングの基礎2: データ構造第４回：Pythonプログラミングの基礎3: 条件分岐第５回：Pythonプログラミングの基礎4: 反復処理第６回：Pythonプログラミングの基礎5: 関数とライブラリ第７回：データの特徴を知る（確認・操作・可視化）第８回：数値予測問題に取り組む1: データの確認・データの特徴把握第９回：数値予測問題に取り組む2: 予測モデルの作成第１０回：数値予測問題に取り組む3: 予測精度の改善第１１回：数値予測問題に取り組む4: PBL１第１２回：分類問題に取り組む1: データの確認・データの前処理第１３回：分類問題に取り組む2: 予測モデルの作成第１４回：分類問題に取り組む3: 予測精度の改善第１５回：分類問題に取り組む4: PBL２ ※講義の進行・理解度などにより内容や予定が異なる場合があります。
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価(授業で出す課題):60%，PBL1とPBL２の成績・レポート40% 平常評価，期末レポートに基づいて最終的な成績評価を行う予定です。
予習及び復習等の内容／Contents such as preparations for lessons and the review	資料に記載の参考文献や検索により、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます。必ず手を動かしてやっておくこと。(予習，復習は，最低でも各1時間程度行う必要があります。)
教材・教科書／The teaching materials, textbook	教科書を使用しない（講義資料を配布する）
参考文献／bibliography	「見て試してわかる機械学習アルゴリズムの仕組み機械学習図鑑」（秋庭伸也、杉山阿聖、寺田学(著)、加藤公一(監修)、翔泳社、2019）
留意点・予備知識／Point to keep in mind, back ground	「統計学の基礎」で学んだ知識は必須です。「確率統計II」の受講も推奨します。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー以外でも大体OKです。用事でいないこともあるので、事前にメールするのが確実です．
Eメールアドレス・HPアドレス／E-mail address, HP address	https://sites.google.com/site/shintaromori/
学問分野1（主学問分野）／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	演習が中心になります。
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	特になし。

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

開講科目名／Course	計算科学応用演習／Applied Computational Science
時間割コード／Course Code	7231000021
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学部／
曜日コマ／Day, Period	金／Fri　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	3,4
主担当教員／Main Instructor	守真太郎／MORI SHINTARO
科目区分／Course Group	専門教育科目
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○AIの現代社会やビジネスでの利活用について学識を得ること（見通す力） ○データ分析で最も重要な回帰分析について学識を得ること（見通す力） ○パソコンを用いてデータを分析し、課題解決につなげる力を養う(解決していく力）
授業の概要／Summary of the class	○データ分析による課題解決のための基礎知識と、Pythonによるデータ分析スキルを修得する。 ○主に回帰分析の手法と具体的な課題を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。 ○プログラミング言語としてPythonを用いる。
授業の内容予定／Contents plan of the class	第１回：データサイエンスと人工知能第２回：Pythonプログラミングの基礎1: 変数とデータ型第３回：Pythonプログラミングの基礎2: データ構造第４回：Pythonプログラミングの基礎3: 条件分岐第５回：Pythonプログラミングの基礎4: 反復処理第６回：Pythonプログラミングの基礎5: 関数とライブラリ第７回：データの特徴を知る（確認・操作・可視化）第８回：数値予測問題に取り組む1: データの確認・データの特徴把握第９回：数値予測問題に取り組む2: 予測モデルの作成第１０回：数値予測問題に取り組む3: 予測精度の改善第１１回：数値予測問題に取り組む4: PBL１第１２回：分類問題に取り組む1: データの確認・データの前処理第１３回：分類問題に取り組む2: 予測モデルの作成第１４回：分類問題に取り組む3: 予測精度の改善第１５回：分類問題に取り組む4: PBL２ ※講義の進行・理解度などにより内容や予定が異なる場合があります。
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価(授業で出す課題):60%，PBL1とPBL２の成績・レポート40% 平常評価，期末レポートに基づいて最終的な成績評価を行う予定です。
予習及び復習等の内容／Contents such as preparations for lessons and the review	資料に記載の参考文献や検索により、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます。必ず手を動かしてやっておくこと。(予習，復習は，最低でも各1時間程度行う必要があります。)
教材・教科書／The teaching materials, textbook	教科書を使用しない（講義資料を配布する）
参考文献／bibliography	「見て試してわかる機械学習アルゴリズムの仕組み機械学習図鑑」（秋庭伸也、杉山阿聖、寺田学(著)、加藤公一(監修)、翔泳社、2019）
留意点・予備知識／Point to keep in mind, back ground	「統計学の基礎」で学んだ知識は必須です。「確率統計II」の受講も推奨します。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー以外でも大体OKです。用事でいないこともあるので、事前にメールするのが確実です．
Eメールアドレス・HPアドレス／E-mail address, HP address	https://sites.google.com/site/shintaromori/
学問分野1（主学問分野）／Discipline 1	B12:解析学，応用数学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	演習が中心になります。
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	特になし。

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information