|| 英語(English)
学習支援計画書(シラバス) 検索システム
専門教育課程 経営情報学科
授業科目区分 科目名 単位数 科目コード 開講時期 履修方法
専門教育課程
専門科目
専門
先進プログラミング
Advanced Programming
2 F125-01 2023年度
5期(前学期)
修学規程第4条を参照
担当教員名
*印は、実務経験のある教員を示しています。
授業科目の学習・教育目標
キーワード 学習・教育目標
1.Python 2.プログラミング 3.データ分析 4.機械学習 本科目は経営情報学科の専門コア「情報デザイン基礎力」達成のための専門コア科目である 。地域の活性化や経営に役立つIT活用の考え方、実践に必要な情報の捉え方、およびデータ から意思決定に必要な分析を体験できるように、実際のビジネスや地域ニーズを近似した環 境を既存のデータ分析ツールを利用して学習する。その過程を通して、地域活性化戦略や経 営に必要な戦略立案方法を用いながら、データ収集蓄積と経営課題解決のための仮説設定に 基づくデータ分析による意思決定の方法を疑似体験的に学ぶ。
授業の概要および学習上の助言
本科目は、AI学習として、AI応用基礎におけるデータ表現(データ・情報量の単位)、プログラミング基礎(型・変数・演算 ・順次構造・分岐・反復・関数)を扱う。 授業では、プログラミング言語であるPythonの基礎から応用までを、プログラミング演習により学ぶ。実際に自分でプログラ ムを書くことで、最終的にはデータ分析を実施するツールを自分で作成し、実際のオープンデータを利用してデータ分析を実 施してみる。 授業でプログラムを動かすだけでは時間的に不足するので、特に復習により自分で実際にプログラムを動かすことを徹底して 行うこと。
教科書および参考書・リザーブドブック
教科書:詳細! Python 3 入門ノート[ソーテック社] 参考書:指定なし リザーブドブック:指定なし
履修に必要な予備知識や技能
企業の経営管理全般と情報技術に関する知識を,他の科目履修により一定以上備えている必要がある。Webデザイン、ITシス テム基礎、データベースマネジメント、プログラミング基礎、Webプログラミングの内容については理解していることを前提 として進めるので、不足している場合には、適宜、復習して欲しい。
学生が達成すべき行動目標
No. 学科教育目標
(記号表記)
I,J,K,L,M Pythonの基本構文を理解し簡単なプログラミングができる。
I,J,K,L,M Pythonを用いた配列の計算ができる。
I,J,K,L,M Pythonを用いた簡単なグラフ作成ができる。
I,J,K,L,M Pythonを用いた簡単なデータ分析ができる。
I,J,K,L,M Pythonを用いた機械学習について説明できる。
達成度評価
評価方法
試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 30 10 30 20 0 0 10 100
指標と評価割合 総合評価割合 30 10 30 20 0 0 10 100
総合力指標 知識を取り込む力 20 0 10 0 0 0 0 30
思考・推論・創造する力 10 10 10 0 0 0 0 30
コラボレーションと
リーダーシップ
0 0 0 0 0 0 0 0
発表・表現・伝達する力 0 0 0 15 0 0 0 15
学習に取組む姿勢・意欲 0 0 10 5 0 0 10 25
※総合力指標で示す数値内訳、授業運営上のおおよその目安を示したものです。
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験 1回の達成度確認試験により、知識を取り込む力や論理的思考力の達成度を評価する。
クイズ
小テスト
毎週の授業で指定する演習課題を提出する。
レポート プログラムの作成過程をレポートとして提出する。
成果発表
(口頭・実技)
最終的に作成したプログラムをデモする。
作品
ポートフォリオ
その他 出席やレポート期限内提出、授業態度を含む総合的な受講態度が評価される。
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
Pythonの基本を理解し、プログラミングができる。グラ フの作成やデータ分析など簡単なものが実施できるようになる 。機械学習について基本的な部分を理解し、簡単なプログラム を作成できる。 Pythonの基本を理解し、プログラミングができる。グラ フの作成やデータ分析など簡単なものが実施できるようになる 。機械学習について基本的な部分を理解し、人に説明できる。
CLIP学習プロセスについて
一般に、授業あるいは課外での学習では:「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、GoodWork!」:のようなプロセス(一部あるいは全体)を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間(例えば2単位科目の場合、予習2時間・復習2時間/週)を取るよう努めてください。詳しくは教員の指導に従って下さい。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分※
1 ガイダンス、授業の進め方、評価の方法など Pythonの動作環境の設定 講義・演習 教化書1章、2章の予習・復習 260
2 コードの書き方、変数への値の代入、演算子を使った 式について学ぶ。 講義・演習 教科書3章の予習・復習 260
3 組み込み関数、モジュールの読み込み、オブジェクト のメソッドについて学ぶ。 講義・演習 教科書4章の予習・復習 260
4 If 文、While文、For文、例外処理について学ぶ。 講義・演習 教科書5章の予習・復習 260
5 複数のデータを扱うための仕掛けであるリストおよび タプルについて学ぶ。 講義・演習 教科書6章と7章の予習・復習 260
6 複数の値を集合として扱う方法セットおよび辞書につ いて学ぶ。 講義・演習 教科書8章と9章の予習・復習 260
7 関数の定義と実行、引数の受け渡し、他の関数を利用 する方法について学ぶ。 講義・演習 教科書10章の予習・復習 260
8 クラス定義、継承、アクセス権などオブジェクト指向 プログラミングの基本的な知識を学ぶ。 講義・演習 教科書12章の予習・復習 90
9 これまでの授業の振り返りとテスト 振り返りとテストを実施する テストに向けてこれまでの復習 300
10 テスト結果に基づく自己点検。 テキストファイルの読み込みと書き出しについて学ぶ 。 講義・演習 自己点検 教化書13章の予習・復習 260
11 データ分析結果の見える化に必要となるグラフを描く 方法を学ぶ。 講義・演習 教化書14章の予習・復習 260
12 多次元配列を扱うことができ高速に行列演算が行える Numpyの利用方法を学ぶ。 講義・演習 教科書15章の予習・復習 260
13 機械学習の入門としていくつかのサンプルデータを利 用して機械学習への理解を深める。 講義・演習 教科書16章の予習・復習 260
14 作成したプログラムのデモンストレーションを行う。 デモプロの発表 デモプログラムの作成 360
15 補足授業と自己点検 補足の講義・演習 自己点検 授業アンケート 自分の作成したプログラムの見直 し 260