日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR496/VR496VR496 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
オンライン（全回オンライン）/Online (all classes are online)Online (all classes are online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
発話を伴う授業を学内で受講する場合はX306教室の利用可 |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
水5/Wed.5 Wed.5 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR5600 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
－（履修中止制度なし/ No system for cancellation) |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
This course deepens the applied skills of data manipulation and analysis using Numpy and Pandas, as well as the basics of object-oriented programming and web scraping.
Advanced data processing with Numpy and Pandas
Applications of classes and object-oriented programming
Fundamentals and practice of web scraping technology
Programming creation tasks (independent tasks and presentations)
| 1 | オリエンテーション・Pythonの基礎の確認 ・制御構造（if文、for/whileループ） ・関数の定義とモジュールの使用 ・リスト、辞書などのデータ構造 ・テキストファイルの読み書き |
| 2 | アルゴリズム： ・アルゴリズムとは何か？簡単なアルゴリズムの例 ・アルゴリズムの設計と実装の基本 |
| 3 | アルゴリズム応用: ・アルゴリズムを使ったプログラムの作成 |
| 4 | Numpy ・高度な数値演算とデータ処理 |
| 5 | Numpy ・Numpyを使った統計分析 |
| 6 | Numpy ・多次元データの操作と変換 |
| 7 | データの可視化と簡単な機械学習 ・Matplotlib ・Scipy |
| 8 | Pandas ・データフレームの基本 ・データの読み込み、クリーニング、変換 ・データの分析と操作 |
| 9 | 実践的なデータ収取方法 ・スクレイピングについて ・スクレイピングの手法 ・スクレイピングのデータ加工 |
| 10 | オブジェクト指向 ・クラスの概念 ・クラスの設計 |
| 11 | Pythonプログラムプロジェクト課題（１） |
| 12 | Pythonプログラムプロジェクト課題（２） |
| 13 | Pythonプログラムプロジェクト課題（３） |
| 14 | Pythonプログラムプロジェクト課題発表会 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
| 補足事項 (Supplementary Items) |
|---|
| 上記はシラバス執筆時の予定であり，変更する場合がある。履修許可者は，初回授業までに「Canvas LMS」に ログインして詳細を確認すること。 |
基本的に毎講義ごとに問題を提示し、その問題を毎週提出を求める。
講義時間内に終わらない場合は、提出期限まで提出を求める
その他、授業時間外の学習に関する指示は、講義の進捗状況に応じて別途指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
単元ごとの課題提出(60%) 最終課題発表(40%) |
| 備考 (Notes) | ||
なし/None
プログラミングの基礎能力、Pythonに触れたことがある方を中心に実践的な課題演習を行います。
自信が無い学生は、ＰｙｔｈｏｎプログラミングＢを履修すること。
積極的な学習姿勢が求められます。最低限の問題はこちらで提示しますが、自主的な学習と実践に積極的に取り組んでください。
第１回講義時に、googlecolaboratoryを導入します。
シラバスは予定であり、変更される場合があります。
履修者は初回授業前に Canvas LMS にログインし、詳細を確認してください。
本科目は、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。
本講義では、NumpyやPandasを使ったデータ操作や分析、オブジェクト指向プログラミングやWebスクレイピングの基礎など、応用的なスキルを深めます。
This course deepens the applied skills of data manipulation and analysis using Numpy and Pandas, as well as the basics of object-oriented programming and web scraping.
NumpyとPandasによる高度なデータ処理
クラスとオブジェクト指向プログラミングの応用
Webスクレイピング技術の基礎と実践
自主的な課題によるプログラムの作成と発表
Advanced data processing with Numpy and Pandas
Applications of classes and object-oriented programming
Fundamentals and practice of web scraping technology
Programming creation tasks (independent tasks and presentations)
| 1 | オリエンテーション・Pythonの基礎の確認 ・制御構造（if文、for/whileループ） ・関数の定義とモジュールの使用 ・リスト、辞書などのデータ構造 ・テキストファイルの読み書き |
| 2 | アルゴリズム： ・アルゴリズムとは何か？簡単なアルゴリズムの例 ・アルゴリズムの設計と実装の基本 |
| 3 | アルゴリズム応用: ・アルゴリズムを使ったプログラムの作成 |
| 4 | Numpy ・高度な数値演算とデータ処理 |
| 5 | Numpy ・Numpyを使った統計分析 |
| 6 | Numpy ・多次元データの操作と変換 |
| 7 | データの可視化と簡単な機械学習 ・Matplotlib ・Scipy |
| 8 | Pandas ・データフレームの基本 ・データの読み込み、クリーニング、変換 ・データの分析と操作 |
| 9 | 実践的なデータ収取方法 ・スクレイピングについて ・スクレイピングの手法 ・スクレイピングのデータ加工 |
| 10 | オブジェクト指向 ・クラスの概念 ・クラスの設計 |
| 11 | Pythonプログラムプロジェクト課題（１） |
| 12 | Pythonプログラムプロジェクト課題（２） |
| 13 | Pythonプログラムプロジェクト課題（３） |
| 14 | Pythonプログラムプロジェクト課題発表会 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
| 補足事項 (Supplementary Items) |
|---|
| 上記はシラバス執筆時の予定であり，変更する場合がある。履修許可者は，初回授業までに「Canvas LMS」に ログインして詳細を確認すること。 |
基本的に毎講義ごとに問題を提示し、その問題を毎週提出を求める。
講義時間内に終わらない場合は、提出期限まで提出を求める
その他、授業時間外の学習に関する指示は、講義の進捗状況に応じて別途指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
単元ごとの課題提出(60%) 最終課題発表(40%) |
| 備考 (Notes) | ||
なし/None
プログラミングの基礎能力、Pythonに触れたことがある方を中心に実践的な課題演習を行います。
自信が無い学生は、ＰｙｔｈｏｎプログラミングＢを履修すること。
積極的な学習姿勢が求められます。最低限の問題はこちらで提示しますが、自主的な学習と実践に積極的に取り組んでください。
第１回講義時に、googlecolaboratoryを導入します。
シラバスは予定であり、変更される場合があります。
履修者は初回授業前に Canvas LMS にログインし、詳細を確認してください。
本科目は、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。