年度 |
2022年度 |
開講部局 |
情報科学部 |
講義コード |
KA203001 |
科目区分 |
専門教育科目 |
授業科目名 |
情報データ科学演習III |
授業科目名 (フリガナ) |
ジョウホウデータカガクエンシュウ3 |
英文授業科目名 |
Informatics and data science, Exercise III |
担当教員名 |
檜垣 徹,中島 健一郎,小池 真由,古川 善也 |
担当教員名 (フリガナ) |
ヒガキ トオル,ナカシマ ケンイチロウ,コイケ マユ,フルカワ ヨシヤ |
開講キャンパス |
東広島 |
開設期 |
3年次生 後期 3ターム |
曜日・時限・講義室 |
(3T) 月5-7:教K104,教K203,工116 |
授業の方法 |
演習 |
授業の方法 【詳細情報】 |
|
演習中心,対面・非対面形式 状況に応じて,Teamsを用いたオンライン授業,オンデマンド授業,講義室での対面授業を行います。
◆初回授業(10月3日)は12時50分から、教育学部K104とK203で対面での授業ガイダンスを実施します。受講生の振り分けを含めて、ガイダンスの詳細はもみじの掲示板で連絡します。遅くとも前日(2日)にはお伝えします。
その他の授業回については、授業時間を主に質疑応答,ディスカッションのための時間,および授業資料の補足のために使います。もしオンライン同時双方向授業(TeamsやZoomによる)を行う場合はTeams、あるいはもみじの掲示板で事前に連絡します。 |
単位 |
1.0 |
週時間 |
|
使用言語 |
B
:
日本語・英語 |
学習の段階 |
3
:
中級レベル
|
学問分野(分野) |
25
:
理工学 |
学問分野(分科) |
02
:
情報科学 |
対象学生 |
情報科学部情報科学科3年生 |
授業のキーワード |
画像処理, 一般化線形モデル, 多変量解析,調査法 |
教職専門科目 |
|
教科専門科目 |
|
プログラムの中での この授業科目の位置づけ | ・「画像処理」の前提となる科目: 画像処理 ビジュアルコンピューティング プログラミングI,II,III,IV アルゴリズムとデータ構造 情報データ科学演習I「データ構造とアルゴリズム」
・「調査データ解析2」の前提となる科目: 情報データ科学演習II「調査データ解析1」 行動計量学 線形モデル 一般化線形モデル(GLM) 多変量解析 |
---|
到達度評価 の評価項目 | 情報科学プログラム (知識・理解) ・D1. 統計とデータ解析の理論体系を理解し,ビッグデータの質的/量的情報を的確かつ効率的に分析するための知識と能力 (能力・技能) ・A. 情報基盤の開発技術,情報処理技術,データを分析して新しい付加価値を生む技術 ・B. 新たな課題を自ら発見し,データに基づいた定量的かつ論理的な思考と,多角的視野と高度な情報処理・分析により,課題を解決する能力 |
授業の目標・概要等 |
情報科学部のこれまでの講義で幅広く学んできた知識を踏まえて,専門的かつ実践的な内容について演習を行う。与えられた演習課題や問題に対して,自ら解決方法を見つけ出して対処し,その結果をレポートとしてまとめ報告する能力を習得する。具体的には「画像処理」と「調査データ解析2」のテーマについて演習を行う。
2つのテーマについて,それぞれ2コマ✕4回の演習を行う。「画像処理」では,Pythonを用いたプログラミングにより,大量の画像を処理するための基本的なアルゴリズムを理解する。また,「調査データ解析2」では,情報データ科学演習Ⅱの「調査データ解析1」で収集したデータも参考にしつつ,一般化線形モデルや多変量解析等の解析を行う。その上で,心理学の観点からデータの傾向について考察する。 |
授業計画 |
第1回 ガイダンス.2つのテーマを行うにあたり,資料の配布と注意事項を説明する。 10/3(月)12:50から対面で行う予定。 第2回 2つのテーマを行うための準備を行う。 第3回 テーマ1-1 第4回 テーマ1-2 第5回 テーマ1-3 第6回 テーマ1-4 第7回 テーマ1-5 第8回 テーマ1-6 第9回 テーマ2-1 第10回 テーマ2-2 第11回 テーマ2-3 第12回 テーマ2-4 第13回 テーマ2-5 第14回 テーマ2-6 第15回 期末レポートの準備と作成
各テーマで適宜課題を課すとともに,期末レポートを課します。
テーマ「画像処理」 1,2:Pythonの使い方,画像の読み込み,表示,描画などのプログラムを作成する。 3,4:輝度を変換する代表的な変換と,輝度値のしきい値処理のプログラムを作成する。 5,6:代表的なフィルタ処理プログラムを作成し,大量の画像ビッグデータに対して処理を行う。 注意:このテーマは「画像処理」(3年次第2ターム)を履修していることを前提とする。 レポート提出先:Formsの予定
テーマ「調査データ解析2」 1,2:「調査データ解析1」の内容を踏まえて,心理学の観点から調査計画や分析方法の振り返りを行う。 3,4:構造方程式モデリングによるデータ検討を行い,分析方法を習得するとともに,結果についての考察の仕方や分析上の留意点を学ぶ。 5,6:一般化線形モデルによるデータ検討を行い,分析方法を習得するとともに,結果についての考察の仕方や分析上の留意点を学ぶ。 レポート提出先:Formsの予定
※受講生を2班に分け,一方の班は「画像処理から調査データ解析」の順で、もう一方の班は「調査データ解析から画像処理」の順で行うことを計画している(詳細は初回ガイダンスで) |
教科書・参考書等 |
適宜,授業資料を配布します。 |
授業で使用する メディア・機器等 |
|
【詳細情報】 |
インターネット環境ならびに演習用のPC等を必要とします。 |
授業で取り入れる 学習手法 |
|
予習・復習への アドバイス |
情報科学部のこれまでの講義で幅広く学んできた知識を復習しください。特に関わる授業科目は「プログラムの中でのこの授業科目の位置づけ」の中に記載しています。既有知識・スキルに自信がない場合は事前にこれらの科目について復習をすることを強く勧めます。 |
履修上の注意 受講条件等 |
◆各テーマともに,Teamsを用いたオンデマンド・オンライン授業を基本とします。 ◆それぞれ期末レポートを課します。 ◆その他,授業内容の変更についてはTeamsやもみじの掲示板で連絡します。 ◆成績確定後に単位に関する救済措置を行うことはありません。 |
成績評価の基準等 |
◆それぞれのテーマで期末レポートを課し,その他の提出物と総合して評価します。 ◆レポート作成の際は、「レポートの作成上の注意」(https://home.hiroshima-u.ac.jp/akyah59/notice_rep_hu.pdf)の内容を遵守してください。遵守していないレポートは「不可」相当と判定します。 |
実務経験 |
|
実務経験の概要と それに基づく授業内容 |
|
メッセージ |
|
その他 |
|
すべての授業科目において,授業改善アンケートを実施していますので,回答に協力してください。 回答に対しては教員からコメントを入力しており,今後の改善につなげていきます。 |