到達目標
1. 与えられたアルゴリズムが問題を解決していく過程を説明できる。
2. 最適化問題をデータ解析に応用して簡単な問題を解くことができる。
3. 与えられた簡単な問題に対して、それを解決するためのプログラムを、標準的な開発ツールや開発環境を利用して記述できる。
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 | 与えられたアルゴリズムが問題を解決していく過程を説明できる | 与えられたアルゴリズムが問題を説明できる | 与えられたアルゴリズムが問題を解決していく過程を説明できない |
評価項目2 | 最適化問題をデータ解析に応用して簡単な問題を解くことができる | 最適化問題を応用して簡単な問題を解くことができる | 最適化問題をデータ解析に応用して簡単な問題を解くことができない |
評価項目3 | 与えられた簡単な問題に対して、それを解決するためのプログラムを、標準的な開発ツールや開発環境を利用して記述できる | 与えられた簡単な問題に対して、それを解決するためのプログラムを利用できる | 与えられた簡単な問題に対して、それを解決するためのプログラムを、標準的な開発ツールや開発環境を利用できない |
学科の到達目標項目との関係
教育方法等
概要:
本授業では、日々進歩しているデータ・情報処理手法に関して、データの操作、処理、高速処理などのデータ解析の基本手法について理解することを目的とする。データ解析に関する技術はここ数年急激に進歩しており、初学者にとって学習が困難な分野でもある。そこで、本授業では、簡単な手法、アルゴリズムについて理解し、コンピュータによる図形処理や数値解析手法を身につける。そして、大量のデータを取り扱うアプリケーションに役立つ科学計算をプログラミング言語Python で行う手法を学習する。
授業の進め方・方法:
本講義で使用する数学は、基本的な線形代数学と幾何学である。線形代数学と幾何学の基礎的な知識を身につけておかなければ、講義の内容を理解することは困難である。また、数値計算にはPython 言語を使用するので、Python 言語の基本的な文法を事前に学習しておくこと。講義の進め方について説明する。講義の数日前にWebClass に公開される資料またはテキストを読み、ポイントを理解して講義に臨むこと。
注意点:
特記事項なし
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
|
|
2週 |
|
|
3週 |
|
|
4週 |
|
|
5週 |
|
|
6週 |
|
|
7週 |
|
|
8週 |
|
|
2ndQ |
9週 |
|
|
10週 |
|
|
11週 |
|
|
12週 |
|
|
13週 |
|
|
14週 |
|
|
15週 |
|
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 100 | 0 | 0 | 0 | 0 | 0 | 0 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |