理工・生命科学部教養科目KLAC Course
BSP100LC(初年次教育、学部導入教育及びリテラシー教育 / Basic study practice 100)情報処理技法Information Processing Technology
須河 光弘Mitsuhiro SUGAWA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工・生命科学部教養科目KLAC Course |
添付ファイル名Attached documents | |
年度Year | 2021 |
授業コードClass code | H3255 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 秋学期授業/Fall |
曜日・時限Day/Period | 木2/Thu.2 |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | |
配当年次Grade | |
単位数Credit(s) | |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
カテゴリー<理工・生命科学部教養科目>Category | リテラシー系 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course will focus on providing basic statistics and programming skills to analyze the data in molecular biology.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
生命科学分野の実験データ等を解析するのに必要な統計解析の基礎とPCスキル(プログラミングを含む)について学習する。
到達目標Goal
実験で得られた画像データを、画像解析ソフト「ImageJ」を用いて画像処理を行い、さらにプログラミング言語「Python」を用いてデータのグラフ作成と統計解析を行うことができるようになる。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP2」と「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
「授業の進め方と方法(2021年3月現在)」
・オンライン授業の場合
a)講義資料の配布:学習支援システムより配布
b)講義動画のオンデマンド配信:15分程度の動画が3個程度
c)Zoomによる質問受付:講義時間に合わせてZoom meetingを開きます
・対面授業の場合
a) 貸与ノートPCを毎回持参すること
b) 講義資料は学習支援システムより配布
・ハイブリッドの場合
オンライン授業に準じて進める
「フィードバック方法」
・授業の初めに、前回の講義であった質問や提出課題でよくあった間違いを取り上げて、全体にフィードバックをする。
・提出課題に対するフィードバックは、学習支援システムから行う。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
※各回の授業形態は予定です。教員の指示に従ってください。
第1回:講義概要の説明、Jupyter notebookの準備
Pythonプログラミングの準備
第2回:Pythonの基礎、統計の基礎
Pythonプログラミングの基礎、代表値の計算
第3回:グラフの作成
折れ線図、箱ひげ図、ヒストグラム
第4回:確率分布
確率分布(正規分布)について
第5回:正規分布のフィッティング
正規分布に従うデータのフィッティング
第6回:指数分布のフィッティング
指数分布に従うデータのフィッティング
第7回:データ解析の実践1
比色定量、標準曲線
第8回:データ解析の実践2
酵素反応、ミカエリス・メンテン式
第9回:仮説検定1
平均の検定(t検定)
第10回:仮説検定2
t分布の原理
第11回:ImageJによる画像処理(1)
ImageJについて、スケールバーの入れ方
第12回:ImageJによる画像処理(2)
粒子解析
第13回:ImageJによる画像処理(3)
電気泳動画像の解析
第14回:ImageJによる画像処理(4)
細胞染色画像の解析、バイナリー画像の処理
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
【本授業の準備・復習等の授業時間外学習は、2時間を標準とする】
翌週の講義までに演習課題を復習しスキルを習得することが望ましい。欠席した場合、授業支援システムで配布する講義資料等で自習する必要がある。
テキスト(教科書)Textbooks
使用しない。授業支援システムより講義資料を配布する。
参考書References
参考になると思われるサイト、参考書について講義の中で紹介する。
成績評価の方法と基準Grading criteria
平常点(50%)、レポート課題と中間テスト(40%)、その他(10%)(予定)
*中間テストを行うかは未定です。
学生の意見等からの気づきChanges following student comments
この講義で扱うプログラミングは、生命科学分野のデータ解析で必要最低限のものを厳選しており、使い方もパターン化しているので、講義で使っているうちに慣れていき使えるようになると思います。あまり難しく考えずにまずは使って動かしてみることが大切です。
学生が準備すべき機器他Equipment student needs to prepare
毎回、edu貸与ノートPCが必要です。