お茶の水女子大学シラバス

プログラミング演習２［26A0137］

科目名 Course Title	プログラミング演習２［26A0137］ Exercises in Computer Programming 2
授業言語 Language	Japanese
科目区分・科目種	情報	クラス	Python・R
コンピテンシー	◎創造的思考力，◎問題解決力	ｶﾗｰｺｰﾄﾞ
単位数	2.0単位	履修年次	1～4年

担当教員

大槻　明

桑名　杏奈

学期

後期

曜日・時限・教室

月曜

～

限

理学部3号館601室【ITルーム1】

受講条件・その他注意
・本授業は対面形式形式で行いますが，コロナ等の状況によってはZOOM等のオンラインで行います．・教材はWindows用に作成していますので，もしMacなどWindows以外のパソコンで受講される場合は，RやPython，さらに関係するパッケージ（例：RMeCab）が動く環境のご準備をご自身で行っていただく必要があります．・本授業ではアクティブ・ラーニング・アワー（ALH）に相当する最終課題として，ニューラルネットワークのスクリプト構築の課題を最後の授業で課す予定です．

受講条件・その他注意

・本授業は対面形式形式で行いますが，コロナ等の状況によってはZOOM等のオンラインで行います．
・教材はWindows用に作成していますので，もしMacなどWindows以外のパソコンで受講される場合は，RやPython，さらに関係するパッケージ（例：RMeCab）が動く環境のご準備をご自身で行っていただく必要があります．
・本授業ではアクティブ・ラーニング・アワー（ALH）に相当する最終課題として，ニューラルネットワークのスクリプト構築の課題を最後の授業で課す予定です．

授業の形態
演習

教科書・参考文献
様々な参考書等を元に作成したレジメを配布しますので，学生の皆さんに参考書等を購入していただく必要はありません．

ＡＬＨ区分
ＡＬＨを実施しない

アクティブラーニングの技法
ミニッツペーパー（リアクションペーパー），問題基盤型学習（PBL：Problem Based Learning），復習テスト

評価方法・評価割合
実習成果=最終課題若しくは試験=30%（もし最終課題をしなかった場合は，その他ー課題=50%が80％になるイメージです），その他=課題=50%（毎回演習課題を課す予定です），授業への参加態度=20%

主題と目標
本授業では，R及びPythonのプログラミング基礎から学び，R及びPythonを用いたデータ分析等を通じて，ビジネス戦略や研究活動に資する知見や価値などを創造できる人材を養成することを主題としている．　具体的には，授業の前半ではRプログラミング基礎から始まり，RMeCabによるテキストマイニング演習，データサイエンス演習を行う．テキストマイニングでは，ビッグデータの特徴の一つと言われている非構造化データ（例：SNSデータ）などを題材として扱い，データサイエンス演習では，線形代数学をベースとした各種統計手法の概念，さらにはグラフ理論にもとづくネットワーク分析についても演習する．　授業の後半では，pythonのプログラミング基礎から始まり，ニューラルネットワークの原理をプログラミング演習を通じて学んだ後で，Deep Learningフレームワーク（テキストマイニング，音声処理，画像処理）の演習や，テキスト生成AIの環境構築実践，さらに，Agent AIのツール演習など，幅広くAI系の演習を行う．

主題と目標

　本授業では，R及びPythonのプログラミング基礎から学び，R及びPythonを用いたデータ分析等を通じて，ビジネス戦略や研究活動に資する知見や価値などを創造できる人材を養成することを主題としている．
　具体的には，授業の前半ではRプログラミング基礎から始まり，RMeCabによるテキストマイニング演習，データサイエンス演習を行う．テキストマイニングでは，ビッグデータの特徴の一つと言われている非構造化データ（例：SNSデータ）などを題材として扱い，データサイエンス演習では，線形代数学をベースとした各種統計手法の概念，さらにはグラフ理論にもとづくネットワーク分析についても演習する．
　授業の後半では，pythonのプログラミング基礎から始まり，ニューラルネットワークの原理をプログラミング演習を通じて学んだ後で，Deep Learningフレームワーク（テキストマイニング，音声処理，画像処理）の演習や，テキスト生成AIの環境構築実践，さらに，Agent AIのツール演習など，幅広くAI系の演習を行う．

授業計画
以下は現時点の予定であり，受講生の理解度や関心などによって変更となる可能性があります．第1回データサイエンスことはじめ第2回 Rプログラミング基礎(ファイルの入出力，配列，リスト,データフレーム) 第3回 Rプログラミング基礎(演算子,基本文法) 第4回 Rプログラミング基礎(独自関数の定義),User Localテキストマイニング第5回 RMeCabテキストマイニング基礎(n-gram分析,複数ファイルの解析) 第6回 RMeCabテキストマイニング基礎(TF-IDF分析,コロケーション分析) 第7回 RMeCabテキストマイニング基礎(TF-IDFの応用,形態素解析＋対応分析) 第8回 RMeCabテキストマイニング基礎(x-meansクラスタリング) 第9回 RMeCabテキストマイニング基礎(R語彙GraphNetwork分析)，Pythonプログラミング基礎第10回 Pythonプログラミング基礎(基本文法，独自関数,NumPy) 第11回 DeepLearning基礎(パーセプトロン) 第12回 DeepLearning基礎(ニューラルネットワーク，Deep Leaning基礎) 第13回 DeepLearningフレームワーク演習(Ginza,係り受け解析,固有値表現抽出) 第14回テキスト生成AI構築実践入門第15回 DeepLearningフレームワーク演習(Vision Transformer,CLIP),Agent AI

授業計画

以下は現時点の予定であり，受講生の理解度や関心などによって変更となる可能性があります．

第1回データサイエンスことはじめ
第2回 Rプログラミング基礎(ファイルの入出力，配列，リスト,データフレーム)
第3回 Rプログラミング基礎(演算子,基本文法)
第4回 Rプログラミング基礎(独自関数の定義),User Localテキストマイニング
第5回 RMeCabテキストマイニング基礎(n-gram分析,複数ファイルの解析)
第6回 RMeCabテキストマイニング基礎(TF-IDF分析,コロケーション分析)
第7回 RMeCabテキストマイニング基礎(TF-IDFの応用,形態素解析＋対応分析)
第8回 RMeCabテキストマイニング基礎(x-meansクラスタリング)
第9回 RMeCabテキストマイニング基礎(R語彙GraphNetwork分析)，Pythonプログラミング基礎
第10回 Pythonプログラミング基礎(基本文法，独自関数,NumPy)
第11回 DeepLearning基礎(パーセプトロン)
第12回 DeepLearning基礎(ニューラルネットワーク，Deep Leaning基礎)
第13回 DeepLearningフレームワーク演習(Ginza,係り受け解析,固有値表現抽出)
第14回テキスト生成AI構築実践入門
第15回 DeepLearningフレームワーク演習(Vision Transformer,CLIP),Agent AI

時間外学習
実践力を鍛えるには授業の演習だけでは足りませんので，毎回の授業で学んだ技術や手法等について，授業で演習した以外の実践的なデータで良く復習（実践）するようにしてください．

学生へのメッセージ
プログラミングは「手を動かしてなんぼ」の世界ですので，「時間外学習：」に書いたような内容で毎回の授業の復習を必ず行い，授業で学んだことの理解度を深めてください．