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 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 評価項目１ | 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。 |
| 評価項目２ | 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。 |
| 評価項目３ | 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，課題レポート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。
授業の属性・履修上の区分
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
| 課題レポート | 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 |
| 分野横断的能力 | 0 | 0 | 0 |