| 開講学期／Course Start | 2022年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 金/Fri 1 , 金/Fri 2 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | システム理化学科 |
| 対象学年／Year | 2年 , 3年 , 4年 |
| 授業科目区分／Category | 教育課程 システム理化学科 |
| 必修・選択／Mandatory or Elective | 必修 |
| 授業方法／Lecture or Seminar | 講義科目 |
| 授業科目名／Course Title | 理工学情報演習（Dクラス・数理情報システムコース）／Information Technology for Science and Engineering |
| 単位数／Number of Credits | 1 |
| 担当教員名／Lecturer | 本田 泰 (システム理化学科数理情報システムコース) |
| 時間割コード／Registration Code | J4042 |
| 連絡先／Contact |
本田 泰(R306 honda（アットマーク）csse.muroran-it.ac.jp) |
| オフィスアワー／Office hours | 本田 泰(火曜日，１３：３０−１４：３０) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2022/09/15 |
|---|---|
| 授業のねらい ／Learning Objectives |
計算機の発達と情報の活用方法の発展から自然科学分野においてもデータを活用することが求められてきている。本授業においては、情報の利活用を中心として、物理分野、化学分野、数理分野を中心とした科学分野を学ぶときに必要となる情報の集約・計算・解析の基礎を身に付けることを学習のねらいとする。 |
| 到達度目標 ／Outcomes Measured By: |
1. 科学分野における広領域な情報の探索と集約するためのソフトウエアの利活用ができる。(10%) 2. 科学分野を学ぶときに基礎となる計算法を理解し使用できる。(30%) 3. 科学分野における問題を対象にプログラム作成や必要に応じてソフトウエアも活用して基礎的な数値解析と計算を行える。(60%) |
| 授業計画 ／Course Schedule |
第1週 科学分野における情報の利活用と機器基本操作 第2週 科学分野における情報処理と計算の基礎（数値表現） 第3週 科学分野における情報処理と計算の基礎（誤差解析） 第4週 科学分野における情報処理と計算の基礎（情報演算） 第5週 科学分野における情報処理と計算の基礎（方程式と関数） 第6週 科学分野における数値計算基礎演習 第7週 数値計算と解析法１（数値解析法の基礎） 第8週 数値計算と解析法2（数値解析法の応用） 第9週 科学分野における数値計算応用演習 第10週 数値計算２（データ統計処理） 第11週 数値計算３（モデル統計処理） 第12週 計算の活用と問題解決１（科学分野におけるデータ活用） 第13週 計算の活用と問題解決2（データ活用のための総合計算） 第14週 科学分野における計算発展演習 第15週 演習課題の提出 総授業時間数：２２．５時間 各回の学習時間の目安は事前・事後合わせて１時間必要です。 ※新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、授業計画・授業実施方法は変更する可能性があります。 |
| 教科書・参考書に関する備考 |
基本資料を配布する。実施教室によって形態は異なる。 必要に応じて資料を配布する。 |
| 成績評価方法 ／Grading Guidelines |
目標1. 演習課題提出 (第6週)によって達成度を評価する。 目標2. 小テストと演習課題提出 (第6週)によって達成度を評価する。 目標3. 小テストと演習課題提出 (第9, 15週)によって達成度を評価する。 100 点満点中60 点以上が合格点である。 ※新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知のもと、成績評価方法は変更する可能性があります。 |
| 履修上の注意 ／Notices |
1年生までの数学系の授業内容については、自身で復習しておくこと。 不合格者は再履修とする。 |
| 学習・教育目標との対応 ／Learning and Educational Policy |
学生便覧「学習目標と授業科目との関係表」参照 |
| 備考 ／Notes |
本科目においては，数理データサイエンス教育プログラムの科目における情報基礎科目群に含まれ，情報関連の基盤的な内容を学びます。数理データサイエンス教育プログラムについては学生便覧（令和３年度～）を参照してください。 DSポイント：2ポイント |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 該当するデータはありません | ||||
|
Active learning 1-1 ／主体的学修（反転授業，小テスト，振り返り 等） |
オンライン資料やデータを繰り返し利用することで，自らデータ解析プログラミングを行う． |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
15%～50% |
|
Active learning 2-1 ／対話的学修（グループ学習，協働，調査体験 等） |
|
|
Active learning 2-2 ／上記項目に係るALの度合い |
該当なし |
|
Active learning 3-1 ／深い学修（複数科目の知識の総合化や問題解決型学修 等） |
解析学や線形代数の数学的知識を活用して基礎的データ分析を行う． |
|
Active learning 3-2 ／上記項目に係るALの度合い |
15%～50% |