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 | 2023 |
| 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 | 小東館-E107 |
| 配当年次Grade | 1年 |
| 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)
(Course outline)
This course deals with statistical analysis and image processing, which are necessary for analyzing experimental data in the life sciences.
(Learning Objectives)
The goals of this course are to understand the fundamentals of statistics and to acquire techniques to appropriately process measurement and image data.
(Learning activities outside of classroom)
Review the lecture content before the next week's lecture. Before/after each class meeting, students will be expected to spend two hours to understand the course content.
(Grading Criteria /Policy)
Your overall grade in the class will be decided based on the following:
Short reports 80%, In-class activities 20%.
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ため必要な統計解析と画像処理について学ぶ。
到達目標Goal
背景となる数学、統計学の初歩についても学習した上で、実例を通じながら解析方法を学ぶ。計測データや画像データを適切に処理する技法を身につける。
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. ）
授業の前半は講義を行い、残りの時間で演習課題に取り組む。毎回ではないが、レポート課題を出題する。
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[対面/face to face]：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]：グラフの描画
グラフの作成（python, Excel)
第3回[対面/face to face]：データ解析
平均、分散、標準偏差、普遍分散
第4回[対面/face to face]：確率分布1
確率、確率密度関数、正規分布
第5回[対面/face to face]：確率分布2
正規分布の性質、信頼区間
第6回[対面/face to face]：Pythonを用いたデータ解析入門１
Pandas入門
第7回[対面/face to face]：Pythonを用いたデータ解析入門2
Pandasを用いた発展的な解析
第8回[対面/face to face]：統計、検定について１
t分布、仮説検定
第9回[対面/face to face]：統計、検定について２
検定の演習
第10回[対面/face to face]：ImageJによる画像処理（１）
ImageJの使い方、画像の二値化
第11回[オンライン/online]：ImageJによる画像処理（2）
粒子解析、面積の求め方
第12回[対面/face to face]：ImageJによる画像処理（3）
スケールバーの入れ方、動画の扱い方
第13回[対面/face to face]：ImageJによる画像処理（4）
物体追跡
第14回[対面/face to face]：まとめ
講義でやった内容のまとめと、画像認識等の発展的な内容の紹介
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】
翌週の講義までに前回の講義の内容は復習しておくこと。講義資料は授業支援システムで配布するので、欠席した場合はしっかり復習しておくこと。
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（20%）、レポート課題（80%）で評価する。
学生の意見等からの気づきChanges following student comments
統計よりも画像処理の方が楽しんでもらえているようだが、どちらにも興味を持ってもらえるとありがたい。
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。