経営学部Faculty of Business Administration
COT200FA(計算基盤 / Computing technologies 200)情報学発展Ⅱ(システム科学)(2019年度以降入学者)Practical Informatics II (Systems Science)
髙田 美樹Miki TAKATA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 経営学部Faculty of Business Administration |
添付ファイル名Attached documents | |
年度Year | 2021 |
授業コードClass code | A5341 |
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 | 金1/Fri.1 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 |
教室名称Classroom name | |
配当年次Grade | 2~4 |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | ※ 原則春学期、秋学期連続で受講してください。 |
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 | |
入学年度Admission year | |
カテゴリー(2019年度以降)Category (2019~) | 情報関係科目 |
カテゴリー(2018年度以前)Category (~2018) |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Learn Data Science with Python programming. Practice From big data and
machine learning.
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
プログラミング言語Pythonとそのライブラリを利用して大量のデータを分析する手法を学ぶ.機械学習を利用したデータ分析を経験する.
到達目標Goal
1)Pythonとそのライブラリを用いて,大量のデータを扱う手法を理解し,実行できる.
2)実データを機械学習し,分類・予測を行うことができる.
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、「DP1-4」、「DP4」、「DP5」に関連がかなりある
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. )
オンデマンド動画による予習をした上でオンラインまたは対面の講義に参加.
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.)
なし / No
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
Ⅱ 秋学期
※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:ガイダンス
春学期の復習
第2回:Numpyの基礎(1)
Numpyを使ってデータを扱う方法を学ぶ.
第3回:Numpyの基礎(2)
Numpyを使ってデータを扱う方法を学ぶ.
第4回:Pandasの基礎(1)
Pandasを利用して大量のデータを扱う方法を学ぶ.
第5回:Pandasの基礎(2)
Pandasを利用して大量のデータを扱う方法を学ぶ.
第6回:可視化
matplotlibを用いて可視化する方法を学ぶ.
第7回:大量のデータの集計
Pandasを利用して大量のデータを処理し,matplotlibで可視化する.
第8回:機械学習とは
機械学習の概要を知り,機械学習を行う環境を整える.
第9回:分類
線形の分類器を利用して分類を行う.
第10回:分類器のチューニング
パラメータを変更して最適化する方法を学ぶ.
第11回:画像の分類
手描き数字の分類に挑戦する.
第12回:機械学習による予測(1)
大量のデータから機械学習で予測を行い,実際との差異を検討する。
第13回:機械学習による予測(2)
正規化してから機械学習を行う方法を学ぶ.
第14回:1年のまとめ
分析結果をレポートにまとめる.
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.)
オンデマンド動画で予習してから講義に参加.講義では,予習の知識を定着させるために演習を行う.
テキスト(教科書)Textbooks
Google Classroom上に講義資料を提示する。
JMOOC「Pythonで学ぶビジネスデータ分析入門」(無料・要登録)
https://www.fisdom.org/F00000128/
MOOCは公の機関であり,世界で活動を展開する非営利団体です.
参考書References
適宜,講義の中で紹介する。
成績評価の方法と基準Grading criteria
毎回の講義ので実習した内容と確認テスト 60%
課題レポート40%
学生の意見等からの気づきChanges following student comments
やむを得ず実施したオンデマンド動画講座により,自分のペースで止めたり戻したりしながらの学習の効果を受け,予習に取り入れる.オンデマンドでは,学習の様子を把握仕切れなかったため,オンラインまたは対面講義と組み合わせる.
学生が準備すべき機器他Equipment student needs to prepare
予習用にインターネットに接続されたWindowsまたはMacのパソコンがあることが望ましい.古くても家族と共用でも可.
その他の重要事項Others
法政大学のメールアドレスにメールを送ることがあるので、メールの確認を怠らないこと.
関連科目
情報学入門
情報学発展(システム科学)1
オフィス・アワー
授業時間内に質問を受け付ける。メールでも対応する.
miki.takata.43@hosei.ac.jp