基本情報/Basic Information

開講科目名 ／Course	情報システム論a／INFORMATION THEORY OF SYSTEMS(A)
開講所属 ／Course Offered by	経済学部経営学科／ECONOMICS MANAGEMENT
ターム・学期 ／Term・Semester	2022年度／2022 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	金2／Fri 2
開講区分 ／semester offered	春学期／Spring
単位数 ／Credits	2.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	今福　啓

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
今福　啓	経営学科／MANAGEMENT

授業の目的・内容 ／Course Objectives	この講義ではコンピュータを使って人工知能によりデータ分析を行うために必要となる手法を、プログラミング言語Pythonを使った実習により学習します。 プログラミング言語Pythonについては初歩から説明しますので、プログラムを作成したことがなくても受講できます。 この講義で扱う内容は、情報システム論bでも使用します。情報システム論bのみ受講を予定している場合は、この講義の内容を理解しているか確認してください。 ---------- この講義では経済学部の学位授与方針に掲げる能力を育成するため、教育課程の編成・実施方針が示す学科専門科目としてコンピュータに関連する専門的な知識を習得し、コンピュータを実践的に使用するために必要となる力を身につけます。 履修後は、履修系統図が示す3年次以降の学科専門科目、教職関連科目、演習科目の学修を円滑に進めることができます。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	初回講義はオンラインで行い、学習する内容、講義の進め方、成績の評価方法を説明します。 視聴方法などは、講義初日の前日までにPorta IIの講義連絡とメールで送信します。 成績評価に関連する提出物へのコメントは、特段の事情がない限り提出締切後の次の講義で行います。
事前・事後学修の内容 ／Before After Study	この講義の 授業計画詳細情報 にある 事前・事後学修の内容 を参照してください。 ---------- 大学設置基準が定める学修時間に従い、1回の講義につき事前学修120分、事後学修120分、講義時間100分の学修時間となることを想定しています。
テキスト1 ／Textbooks1	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other 講義で使用するファイルを配布し、その内容に従って進めます。
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	3～4回の講義ごとに指定する課題を作成してGoogleフォームに提出し、その内容を評価します（100%）。 Googleフォームに課題を提出すると、自分宛てに確認メールが送信されます。 届いたメールは課題を提出したことの証明となりますので、必ず保存してください。 提出が遅れたため課題をメールに添付して提出しても受け付けませんので注意してください。
関連科目 ／Related Subjects	コンピュータアーキテクチャ、情報通信ネットワーク、プログラミング論、データベース論、マルチメディア論、Webデザイン論、データマイニング論、アルゴリズム論
備考 ／Notes
到達目標 ／Learning Goal	コンピュータ内部でのデータ構造、情報処理手順、およびコンピュータ自身が問題の変化に応じて解決手順を構築する手法等に関して専門知識を習得し、コンピュータを用いたより効率的な問題解決ができるようにする。

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	講義で使用するソフトウェアの準備	講義で学習する内容、講義の進め方、成績の評価方法を理解し、講義で使用する Google ChromeとGoogle Colaboratory の導入と操作方法を習得する。	事前学修では、この講義で学ぶ内容を授業概要を通じて理解する。 事後学修では、講義で使用するソフトウェアを正しく使用できるか確認する。
2	プログラミング言語Pythonと演算	Pythonによるプログラム作成の手順を理解し、演算を行う簡単なプログラムを作成する。	事前学修では、プログラミング言語にはどのような種類があるか、それぞれの違いを調べて確認する。 事後学修では、Google Colaboratoryを使ったPythonのプログラム作成手順を確認する。
3	変数、制御構文	計算結果を記憶する変数と、プログラム実行の流れを変える if, for構文 の使い方を習得する。	事前学修では、変数とは何であり、制御構文がどのようなものか確認する。 事後学修では、変数で使えない文字や数字から始まる名前が使えないことや、制御構文が必要な理由を確認する。
4	データ構造：リスト、タプル、辞書	複数のデータをまとめて処理する構造を理解し、プログラムを作成して使い方を習得する。	事前学修では、1次元のデータ構造（ベクトル）、2次元のデータ構造（行列）の構造について確認する。 事後学修では、内容を変更できる型と出来ない型について確認する。
5	関数	プログラミング言語における関数を理解し、関数の使用方法と作成方法を習得する。	事前学修では、Excelの関数のように自分が使用したことのある関数について確認する。 事後学修では、プログラムで関数を使うことの利点について調べて確認する。
6	モジュールNumPyによる行列演算	Pythonにおける計算で多用されるモジュールNumPyを使ったプログラム作成方法を習得する。	事前学修では、モジュールとは何であるか確認しておく。 事後学修では、NumPyを使った演算方法、スライス、データ型、NumPyの関数について確認する。
7	モジュールpandasによるデータ処理	データ処理で多用されるモジュールpandasを使ったプログラム作成方法を習得する。	事前学修ではPandasで出来ること、NumPyとの違いを調べる。 事後学修では、Pandasによるデータの切り取り、結合の方法を確認する。
8	データを人工知能（AI）の手法で処理する：機械学習（教師あり学習）	人工知能の手法である機械学習で何を行っているか理解し、プログラムを作成して内容を確認する。	事前学修では、人工知能と機械学習について調べる。 事後学修では、機械学習が何を行う手法であるか確認し、プログラムの作成手順を確認する。
9	画像データを機械学習して分類する	画像データが何であるか分類する機械学習を行い、別途用意した画像が正しく分類されるか確認する。	事前学修では、画像データが2次元状のピクセルで構成されていることを確認する。 事後学修では、機械学習の際に画像のような2次元データを1次元データに変換することの必要性を確認する。
10	データの前処理（欠損値、外れ値）	アンケート結果などのデータ分析を行う前に、データ全体の特徴を確認した上で、データが一部ない箇所（欠損値）、あり得ない値（外れ値）を処理する方法を、プログラムを作成して習得する。	事前学修では、モジュールPandasの使用方法を確認しておく。 事後学修では、欠損値、外れ値といった講義で使用した用語の内容について確認する。
11	データの前処理（文字データ、one-hotベクトル）	データ分析を行う前に、文字データを処理する方法、分類に使用する one-hotベクトル を作成する方法を、プログラムを作成して習得する。	事前学修では、モジュールPandasの使用方法を確認しておく。 事後学修では、one-hotベクトルといった講義で使用した用語の内容について確認する。
12	データの前処理と機械学習	データの前処理を行った上で機械学習を実行するプログラムを作成し、機械学習の手順を習得する。	事前学修では、データの前処理を確認しておく。 事後学修では、今回作成したプログラムにおけるデータ処理方法を確認する。
13	文章の機械学習に必要な前処理	形態素解析により文章を単語に分ける方法と、それを使って単語の出現頻度をWordCloudで図示する方法を習得する。	事前学修では、形態素解析で何を行うか、WordCloudで出来ることは何か確認する。 事後学修では、WordCloudの結果が何を表すか確認する。
14	文章の内容を機械学習する：Word2Vec	文章で使われている単語間のつながりを機械学習するWord2Vecについて学び、プログラムを作成する。	事前学修では、WordCloudとWord2Vecの違いを調べる。 事後学修では、Word2Vecにおける学習手順を確認する。