| 開講学期／Course Start | 2024年度／Academic Year 前期／First |
|---|---|
| 開講曜限／Class period | 金/Fri 5 , 金/Fri 6 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 創造工学科建築土木工学コース土木工学トラック／Department of EngineeringCourse of Architecture and Civil EngineeringCivil Engineering Track |
| 対象学年／Year | 4年 |
| 授業科目区分／Category | 教育課程 創造工学科 |
| 必修・選択／Mandatory or Elective | 選択 |
| 授業方法／Lecture or Seminar | 講義科目 |
| 授業科目名／Course Title | 土木応用プログラミング（前半８週）／Programming for Civil Engineering |
| 単位数／Number of Credits | 1 |
| 担当教員名／Lecturer | 浅田 拓海 (創造工学科建築土木工学コース) |
| 時間割コード／Registration Code | J3202 |
| 連絡先／Contact |
浅田 拓海(アドレス：asada＠muroran-it.ac.jp ※＠を@に変更してください． 居室：D214 電話：0143-46-5288) |
| オフィスアワー／Office hours |
浅田 拓海(月：12時~13時 火：12時~13時) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2024/03/12 |
|---|---|
| 授業のねらい ／Learning Objectives |
インフラ維持管理や環境・防災などに関するデータの分析・可視化のためのプログラミング応用能力を習得する． |
| 到達度目標 ／Outcomes Measured By: |
１．実験・調査データの基本的な分析とグラフ作成を行える。（集計プログラミング） ２．都市・交通データの分析と可視化を行える。（GISプログラミング） ３．機械学習や深層学習を用いたデータ処理や画像解析を行える。（AIプログラミング） |
| 授業計画 ／Course Schedule |
総授業時間数：12時間 第１回 ガイダンス（シラバスの説明，プログラミング環境構築） 第２回 集計プログラミング１（実験・調査データの分析） 第３回 集計プログラミング２（実験・調査データの可視化） 第４回 GISプログラミング１（都市・交通データの分析） 第５回 GISプログラミング２（都市・交通データの可視化） 第６回 AIプログラミング１（機械学習によるデータ分類） 第７回 AIプログラミング２（画像処理の基本） 第８回 AIプログラミング３（深層学習による画像認識） 各回の学修時間の目安は、事前・事後合わせて2時間必要です。 ・授業後に適宜演習課題を出します． |
| 参考書等 ／Required Materials |
特になし。 |
| 教科書・参考書に関する備考 |
随時説明用資料を配布する。 プログラミング言語はPythonを用いるため，1年次授業の「プログラミング入門」で使用した「Jupyter Notebookで始めるプログラミング 桑田喜隆 [ほか] 共著」を手元においておくと良い。 |
| 成績評価方法 ／Grading Guidelines |
１００点満点中６０点以上で合格とする。 「集計プログラミング」「GISプログラミング」「AIプログラミング」についてそれぞれの課題により評価する。点数の割合を以下に示す。 集計プログラミング20％，GISプログラミング30％，AIプログラミング50％ |
| 教員メッセージ ／Message from Lecturer |
近年，土木分野では，様々なデータを収集，処理，可視化，活用できるコンピューティング能力の必要性が高まっています。土木関連のデータを用いた演習を重ね，応用力，実践力を身につけましょう。 |
| 学習・教育目標との対応 ／Learning and Educational Policy |
この授業の単位修得は，土木工学トラックの以下の学習・教育目標に対応している。 ◯：A 未来をひらく科学技術者に必要となる総合的な理工学知識を修得する．（理工学教育） ◯：D ジェネラルコンストラクター（総合建設業）・コンサルタント（設計会社）・官公庁などで働く技術者に必要とされる工学基礎を修得する．（土木専門基礎） ◎：E 実験・実習や現地視察・実務に携わる人々からの講義などを重視した実践力を修得する．（実験実習） |
| 関連科目 ／Related course |
データサイエンス入門，プログラミング入門，確率統計，統計的データ処理，空間情報処理，測量学 |
| 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） |
振り返り学習のために，適宜，演習課題を与える． |
|---|---|
|
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） |
|
|
Active learning 3-2 ／上記項目に係るALの度合い |
該当なし |