到達目標
(1)Jupyter環境においてPythonプログラムを実行できる。
(2)Jupyter環境およびPythonライブラリを用いてデータ分析を実行できる。
(3)Jupyter環境およびPythonライブラリを用いてデータ分析結果を可視化できる。
ルーブリック
| 理想的な到達レベルの目安(優) | 標準的な到達レベルの目安(良) | 未到達レベルの目安(不可) |
(1)Jupyter環境においてPythonプログラムを実行できる。 | Jupyter環境において各種Pythonプログラムを実行できる。 | Jupyter環境において基本的なPythonプログラムを実行できる。 | Jupyter環境においてPythonプログラムを実行できない。 |
(2)Jupyter環境およびPythonライブラリを用いてデータ分析を実行できる。 | Jupyter環境およびPythonライブラリを用いて各種データ分析を実行できる。 | Jupyter環境およびPythonライブラリを用いて基本的なデータ分析を実行できる。 | Jupyter環境およびPythonライブラリを用いてデータ分析を実行できない。 |
(3)Jupyter環境およびPythonライブラリを用いてデータ分析結果を可視化できる。 | Jupyter環境およびPythonライブラリを用いて各種データ分析結果を可視化できる。 | Jupyter環境およびPythonライブラリを用いて基本的なデータ分析結果を可視化できる。 | Jupyter環境およびPythonライブラリを用いてデータ分析結果を可視化できない。 |
学科の到達目標項目との関係
教育方法等
概要:
これまで学んできたPythonプログラミングの知識を基礎として,Jupyter環境内のライブラリを用いて標準的な各種データ分析技術について修得する。
授業の進め方・方法:
情報処理センター設置の端末を使用した演習形式で授業を進める。成績評価の割合は,課題80%,取組み20%とし,合格点は60点以上である。
注意点:
情報処理演習Ⅰ・Ⅱで学んだPythonプログラミング技術が基礎となる。また,課題等について自学自習により取り組むこと。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
Jupyterの基本操作 |
Jupyterにおける基本操作を実行できる。
|
2週 |
Markdownによるドキュメント記述 |
Markdownによるドキュメントを記述できる。
|
3週 |
numpyによるベクトル・行列演算(1) |
numpyライブラリを用いてベクトル・行列演算を実行できる。
|
4週 |
numpyによるベクトル・行列演算(2) |
numpyライブラリを用いてベクトル・行列演算を実行できる。
|
5週 |
sympyによる代数計算(1) |
sympyライブラリを用いて代数計算を実行できる。
|
6週 |
sympyによる代数計算(2) |
sympyライブラリを用いて代数計算を実行できる。
|
7週 |
scikit-learnによる機械学習(1) |
scikit-learnライブラリを用いて機械学習を実行できる。
|
8週 |
scikit-learnによる機械学習(2) |
scikit-learnライブラリを用いて機械学習を実行できる。
|
2ndQ |
9週 |
pandasによるデータ分析(1) |
pandasライブラリを用いてデータ分析を実行できる。
|
10週 |
pandasによるデータ分析(2) |
pandasライブラリを用いてデータ分析を実行できる。
|
11週 |
matplotlibによるデータ可視化(1) |
matplotlibライブラリを用いてデータを可視化できる。
|
12週 |
matplotlibによるデータ可視化(2) |
matplotlibライブラリを用いてデータを可視化できる。
|
13週 |
pillowによるイメージ処理(1) |
pillowライブラリを用いてイメージ処理を実行できる。
|
14週 |
pillowによるイメージ処理(2) |
pillowライブラリを用いてイメージ処理を実行できる。
|
15週 |
総合演習 |
総合的な演習を実践できる。
|
16週 |
|
|
評価割合
| 課題 | 取組み | 合計 |
総合評価割合 | 80 | 20 | 100 |
基礎的能力 | 0 | 0 | 0 |
専門的能力 | 80 | 20 | 100 |