|
授業科目の目的・目標・履修条件について
|
|
授業科目の目的（日本語）
|
|
工学に関する種々の課題を解決するには，数学の解析的な知識だけでなく，コンピュータを使用したプログラミングの知識が必要である．
本講義では，プログラミング未経験者を対象に，Pythonを用いたプログラミングの基礎文法，NumPyによる数値計算，Pandasによるデータ処理，Matplotlibによる可視化，相関分析・回帰分析といった統計解析，分類・クラスタリングといった機械学習の基礎を，演習を通して学ぶ．
|
|
|
|
授業科目の目的（英語）
|
|
Solving various engineering problems requires not only analytical mathematical knowledge but also programming skills using computers.
In this course, students with no prior programming experience will learn the basics of Python programming, numerical computation with NumPy, data handling with Pandas, visualization with Matplotlib, statistical analysis such as correlation and regression analysis, and the fundamentals of machine learning such as classification and clustering, through hands-on drills.
|
|
|
|
キーワード
|
|
|
プログラミング，Python，NumPy，Pandas，Matplotlib，統計解析，機械学習
|
|
|
|
履修条件
|
|
基本的な数学（線形代数，微積分，統計）の基礎知識を有することが望ましい
PCを扱えること
|
|
|
|
※
|
学位プログラムの学修目標
|
授業科目の到達目標（評価の観点）
|
|
|
主
|
|
Pythonの基本文法（変数，条件分岐，繰り返し，関数，リスト・辞書等のデータ構造）を理解し，簡単なプログラムを記述できる．
NumPy・Pandasを用いたデータ処理，Matplotlibによるデータの可視化ができる．
|
|
|
従
|
|
相関分析・回帰分析などの統計的手法をPythonで実装できる．
分類・クラスタリングなど機械学習の基礎的な手法を理解し，実装できる．
|
|
|
※学修目標と授業科目の結びつきの強さ
|
|
カリキュラム・マップ
|
|
|
|
|
ルーブリック
|
|
|
|
授業科目の実施方法について
|
|
授業の方法
|
|
|
|
|
教授・学習法
|
|
|
一方向性の知識伝達型の教授・学習法
問題・課題解決型学習（PBL等）
|
|
|
|
遠隔授業
|
|
|
|
|
Moodleコース情報
|
|
|
|
|
使用する教材
|
|
|
|
|
教材の配布方法
|
|
|
|
|
テキスト
|
|
|
|
|
参考書等
|
|
|
|
|
授業計画
|
|
授業計画は予定であり、学びの進捗に合わせて変更することがあります。
1単位あたりの学修時間（45時間）の内訳（目安）
（講義・演習の場合）授業内学修15時間、事前・事後学修30時間
（実験、実習および実技の場合）授業内学修30～45時間、事前・事後学修0～15時間
|
|
|
|
授業のテーマ
|
授業の内容（90分授業＝2時間）
|
事前/事後学修の内容
|
|
|
1
|
実行環境の準備
|
Pythonの特徴，Google Colabの使い方（アカウント準備，ノートブック作成・保存・再読込），演習の進め方
|
課題取組
|
|
2
|
Pythonの基本文法①
|
算術演算子，print関数，変数と代入，主なデータ型，比較演算，
|
課題取組
|
|
3
|
Pythonの基本文法②
|
論理演算，条件分岐
|
課題取組
|
|
4
|
Pythonの基本文法③
|
繰り返し文
|
課題取組
|
|
5
|
Pythonの基本文法④
|
関数定義，文字列の操作
|
課題取組
|
|
6
|
Pythonの基本文法⑤
|
タプル，辞書，クラス
|
課題取組
|
|
7
|
NumPyによる数値計算①
|
NumPyの概要と特徴，配列の作成，インデックス，スライシング
|
課題取組
|
|
8
|
NumPyによる数値計算②
|
ユニバーサル関数，集約関数，数列の生成
|
課題取組
|
|
9
|
Pandasによるデータフレーム操作
|
Pandasの概要，DataFrameの作成方法，行・列へのアクセス方法
|
課題取組
|
|
10
|
Matplotlibによる可視化
|
Matplotlibの概要，基本構文（plot, show），グラフのカスタマイズ
|
課題取組
|
|
11
|
相関分析
|
相関分析・相関係数の考え方，相関係数の求め方，
|
課題取組
|
|
12
|
教師あり学習①（回帰分析）
|
AI・機械学習の全体像，回帰分析の考え方と活用例
|
課題取組
|
|
13
|
教師あり学習②（分類）
|
分類の考え方，ロジスティック回帰分析，K近傍法，決定木・ランダムフォレスト
|
課題取組
|
|
14
|
教師なし学習
|
教師なし学習の考え方，クラスタリング，主成分分析
|
課題取組
|
|
|
|
備考
|
|
|
各回，前半20分程度で講義スライドによる解説を行い，後半でGoogle Colab上のドリル形式Notebookによる演習を行う．
|
|
|
授業科目の成績評価の方法について
|
|
定期試験
|
|
|
|
|
小テスト
|
|
|
出席チェックを兼ね，各回のGoogle Colabドリル演習（Notebook提出）に取り組む
|
|
|
|
レポート
|
|
|
授業中に演習が終わらなかった場合，所定の期日までにMoodle上に課題を提出のこと．
|
|
|
|
発表
|
|
|
|
|
出席
|
|
|
|
|
備考
|
|
出席，小テスト，レポートなどから総合的に評価する．
提出物の内容が不十分な場合は再提出を求める場合がある．
原則として全課題を学期内に提出しなければ単位を認めない.
|
|
|
授業科目に関する学習相談について
|
|
担当教員による学習相談
|
|
|
Moodleメッセージにて適宜受け付ける．要件を簡潔に述べること．
|
|
|
|
合理的配慮について
|
|
障害(難病・慢性疾患含む)があり、通常の方法による授業を受けることが困難な場合には、教育目的の本質的な変更など過重な負担を伴わない限り、合理的配慮を受けることができます。合理的配慮とは、教授・学習法の変更、成績評価の方法の変更、授業情報の保障(資料の字幕化、個別の資料配布、録音・撮影の許可)、受講環境の調整などを指します。実際の方法については担当教員と建設的対話を行った上で決定されます。
＜相談窓口＞ キャンパスライフ・健康支援センター インクルージョン支援推進室（伊都地区センター１号館１階）
（電話：092-802-5859 E-mail：inclusion@chc.kyushu-u.ac.jp）
|
|
|
|
修学上の合理的配慮の流れに関する部局HP
|
|
https://www.eng.kyushu-u.ac.jp/studentsupport.html#support-with-disabilities
|