- 開講元
- 理工系教養科目
- 担当教員名
- DEFAGO XAVIER
- 授業形態
- 講義 / 演習
- メディア利用科目
- 曜日・時限(講義室)
- -
- クラス
- 2a(CS2)
- 科目コード
- LAS.I122
- 単位数
- 1
- 開講年度
- 2024年度
- 開講クォーター
- 4Q
- シラバス更新日
- 2024年3月21日
- 講義資料更新日
- -
- 使用言語
- 日本語
- アクセスランキング
-
media
講義の概要とねらい
コンピュータサイエンス第一で学んだ内容をさらに深化させる。具体的には次の項目を学ぶ。
・計算についての理論的な考察（計算可能性理論と計算複雑性理論）。
・より実践的なプログラミング（Pythonのライブラリの使用など）。
・データサイエンスの基本。
・機械学習の基本。
到達目標
・計算可能性理論と計算複雑性理論の基本を理解する。
・基本的なライブラリを使用したPythonプログラムを書けるようになる。
・データサイエンスとAIの基本を理解する。
キーワード
計算可能性，チューリング機械, 計算複雑性，P≠NP予想, Python, NumPy, データ分析，機械学習
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
授業の進め方
授業中に、講義とともにプログラミング演習もあわせて実施します。授業では、理解を確認するための宿題やレポート課題を出します。また授業中に小テストを行うこともあります。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | 計算とは何か？(1) | 計算可能性理論の基本である次の内容を学ぶ：プログラム停止問題. チューリング機械. 万能機械. チャーチ＝チューリングのテーゼ. |
| 第2回 | 計算とは何か？(2) | 計算複雑性理論の基本である次の内容を学ぶ：オイラー閉路問題、ハミルトン閉路問題、巡回セールスマン問題、P≠NP予想。 |
| 第3回 | より実践的なPythonプログラミング | クラス、ライブラリ（NumPyなど）を用いたPythonプログラミングを学ぶ。 |
| 第4回 | データ分析基礎 | オープンデータを用いて，データの要約・分析・可視化について学ぶ． |
| 第5回 | 機械学習の基礎 | 簡単な教師なし・教師あり学習の例題とともに，問題解決のための機械学習の役割と効果について学ぶ． |
| 第6回 | コンピュータサイエンス、データサイエンス、AIに関するトピックス | 課題を設定してコンピュータ実験やプログラミング演習などを行う。 |
| 第7回 | コンピュータサイエンス、データサイエンス、AIに関するトピックス | 実験結果の理論的考察などを行う。 |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
未定．初回授業時に説明します．
参考書、講義資料等
未定．初回授業時に説明します．
成績評価の基準及び方法
成績は、授業中に実施する宿題、レポート課題、小テスト等により評価する。
関連する科目
- LAS.I111 ： 情報リテラシ第一
- LAS.I112 ： 情報リテラシ第二
- LAS.I121 ： コンピュータサイエンス第一
履修の条件(知識・技能・履修済科目等)
コンピュータサイエンス第一 (LAS.I121) を履修していることが望ましい。
その他
新入生は指定されたクラスで履修してください。例外的にクラス変更が認められる場合がありますが、水曜日への変更はできません。
水曜日のクラスは新入生が多いので、新入生以外の学生の履修は認めません。新入生以外の学生は月曜日または木曜日の a クラスを履修してください。
