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
伊藤 賢太郎Kentaro ITO
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 | 2022 |
| 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 | 各学部・研究科等の時間割等で確認 |
| 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 experiment 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を解析するのに必要な統計解析とプログラミングの基礎について学習する。
到達目標Goal
生命科学実験で得られる画像データを、画像解析ソフト「ImageJ」の画像処理により定量し、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および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、以下に関連している。生命科学部「DP1」。
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. ）
授業は演習形式（原則対面）で進めます。一部の講義回についてはオンライン（オンデマンド形式）で行います。
授業の始めに、その日に学習する解析方法の説明を行います、そして、例題の解析を教員が実演し、その後、学生自らPCを使って解析を練習します。必要に応じて、追加の練習問題やレポート課題を解くことで、知識とスキルの定着を図ります。
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
授業形態/methods of teaching：対面/face to face
※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[オンライン/online]：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[対面/face to face]：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[対面/face to face]：グラフの作成
折れ線図、箱ひげ図、ヒストグラム
第4回[対面/face to face]：確率分布
確率分布（正規分布・指数分布）について
第5回[対面/face to face]：回帰分析
正規分布および指数分布に従うデータのフィッティング
第6回[対面/face to face]：データ解析の実践１
比色定量、標準曲線
第7回[対面/face to face]：データ解析の実践２
酵素反応、ミカエリス・メンテン式
第8回[対面/face to face]：仮説検定１
平均の検定（t検定）
第9回[対面/face to face]：仮説検定２
t検定の原理
第10回[対面/face to face]：中間テスト
第１回から第９回までの確認テスト
第11回[オンライン/online]：ImageJによる画像処理（１）
ImageJの使い方、スケールバーの入れ方など
第12回[対面/face to face]：ImageJによる画像処理（２）
粒子解析
第13回[対面/face to face]：ImageJによる画像処理（３）
電気泳動画像の解析
第14回[対面/face to face]：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（45%）、レポート課題（20%）、中間テスト（30%）、その他（5%）(目安)。
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、生命科学分野でよく行う実験のデータ解析を行うにあたって必要最低限のものを厳選しています。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くると思います。難しく考えずに、手を動かして使っ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、PCを使った作業を行います。対面で講義を行う際には、edu貸与ノートPCを持参してください。