シラバス参照
シラバス参照
| 科目一覧へ戻る | 2024/01/31 現在 |
| 科目名／Subject | 情報処理ＩＩ |
|---|---|
| 担当教員（所属）／Instructor | 木村 泰知 (商学部) |
| 授業科目区分／Category | 昼間コース 学科別専門科目 |
| 開講学期／Semester | 2023年度／Academic Year 後期／Fall Semester |
| 開講曜限／Class period | 金/Fri 3 |
| 対象所属／Eligible Faculty | |
| 配当年次／Years | 2年 , 3年 , 4年 |
| 単位数／Credits | 2 |
| 研究室番号／Office | |
| オフィスアワー／Office hours |
| 更新日／Date of renewal | 2023/03/13 | ||
|---|---|---|---|
| 授業の目的・方法 ／Course Objectives and method |
情報処理IIは、人工知能やデータサイエンスで用いられるプログラムの基礎技術を身につける。 | ||
| 達成目標 ／Course Goals |
情報処理Iで習得したC言語と同等の内容をPythonでも記述できるようにする。また、正規表現、形態素解析などを用いながらテキスト処理ができるようになる。また、数値データを読み込み、グラフ作成、機械学習の手法を使えるようになる。 | ||
| 授業内容 ／Course contents |
第01回 C言語とPythonの比較 第02回 Google Colaboratory、変数、input関数 第03回 条件分岐 (if, elif, else) 第04回 リスト 第05回 繰り返し(for, while) 第06回 タプル・辞書型 第07回 Excelで 平均値、中央値、標準偏差を求める 第08回 pythonで 平均値、中央値、標準偏差を求める 第09回 ファイル処理 第10回 正規表現 (import re) 第11回 単語の統計量 第12回 グラフ作成、iris dataset 第13回 Pythonで使える機械学習ライブラリ scikit-learn 第14回 機械学習：回帰分析、ニューラルネットワーク 第15回 評価（再現率、適合率、F値、混同行列） 毎回の授業の後，マナバの小テスト機能を使って小テストを行うとともに、プログラミングの宿題があります。前期期末試験は実施しません。 |
||
| 事前学修・事後学修 ／Preparation and review class |
講義では、C言語の知識を前提としていることから、各講義に関連する内容について復習しておくこと。 | ||
| 使用教材 ／Teaching materials |
使用教材はウェブサイトから閲覧できるようにする。 参考資料を下記に示す。 ・実践力を身につける Pythonの教科書、 マイナビ出版 ・形態素解析の理論と実践、工藤拓、近代化学社 |
||
| 成績評価の方法 ／Grading |
本講義では、出席、毎週の確認テスト、宿題で評価を行います。 欠席を3回以上した場合には、不可とします。 |
||
| 成績評価の基準 ／Grading Criteria |
社会情報学科標準成績評価基準に従う。 | ||
| 履修上の注意事項 ／Remarks |
本講義は科目「情報処理Ⅰ」で学んだプログラム言語Ｃの知識を必要とします。そのため、本講義は「情報処理Ⅰ」の講義を履修済みであることを履修条件とします。また、情報総合センターでコンピュータを用いながら授業を行うため人数を制約することがあります。履修希望者が多数の場合には、社会情報学科（昼間）を優先して選抜します。 | ||
| 実務経験者による授業 ／Courses conducted by the ones with practical experiences |
該当しない／No | ||
| 授業実施方法 ／Method of class |
①面接授業／Face-To-Face class | ||
| 遠隔授業 ／Online class |
|