English

年度	2025年度	開講部局	情報科学部
講義コード	KA238004	科目区分	専門教育科目
授業科目名	情報科学演習IV（令和3年度以前入学生向け）
授業科目名 （フリガナ）	ジョウホウカガクエンシュウ４
英文授業科目名	Informatics and Data Science Exercise IV
担当教員名	伊藤　靖朗
担当教員名 (フリガナ)	イトウ　ヤスアキ
開講キャンパス	東広島	開設期	3年次生   後期   ４ターム
曜日・時限・講義室	(4T) 金5-7
授業の方法	演習	授業の方法 【詳細情報】	対面
			演習中心
単位	1.0	週時間	3	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 R3以前入学生
授業のキーワード	授業計画を参照してください。
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 （学部生対象科目のみ）
到達度評価 の評価項目 （学部生対象科目のみ）	計算機科学プログラム （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． ・D3. ハードウェアとソフトウェアの知識及びデータを効率的に処理するプログラミング能力． データ科学プログラム （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． 知能科学プログラム （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． （総合的な力） ・D3. 複合的に絡み合う社会的ニーズや課題を俯瞰的に捉え，知能科学の幅広い知識に基づいた多角的視野と分析能力で課題を解決する能力．
授業の目標・概要等	授業計画を参照してください。
授業計画	以下の(1)~(3)のうち、指定されたプログラムのテーマを受講する。 (1) 計算機科学プログラム 第１回 ガイダンス 第２回から第７回まで                               実習 ■ テーマ1  サイバーセキュリティ演習（丁） OS、ネットワーク、Webなどセキュリティの基礎知識を復習し、実際に脆弱性を持つシステムを用いて攻撃と防御手法を演習する。 　第1回：OSセキュリティ 　第2回：ネットワークセキュリティ 　第3回：Webセキュリティ ■ テーマ2  ソフトウェア開発（鄭） ソフトウェア開発における，バージョン管理やコンテナをつかった展開技術などについて学ぶ。 　第1回：バージョン管理 　第2回：コンテナ技術 　第3回：Webアプリケーションの開発 予習・復習へのアドバイス （テーマ1）サイバーセキュリティ演習 第１回：LinuxおよびWindowsの基本コマンドを調べておくこと 第２回：Wiresharkの基本操作を復習しておくこと。 第３回：HTMLとJavaScriptの基本知識、特にDOM操作、特殊文字のエスケープなどを学習しておくこと （テーマ２）ソフトウェア開発 第１回：事前に配付資料で Git の基本的なコマンドを調べておくこと 第２回：事前に配布資料で Docker の概要を調べておくこと 第３回：事前に配布資料で Webアプリの基本概念（フロントエンド・バックエンド・データベースの役割）と REST API について調べておくこと 成績の評価基準 各演習のレポート課題（60点以上），および試験の成績（60点以上）で総合的に合格とします。 (2) データ科学プログラム 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。データ科学プログラムの担当教員が各研究室で扱う実践的な内容についての演習を行うことで，研究室配属後の活動について具体的に把握することも目的である。 授業計画： 第1週　ガイダンスとデータ科学に関する専門的演習（担当教員1） 第2週　データ科学に関する専門的演習（担当教員2） 第3週　データ科学に関する専門的演習（担当教員3） 第4週　データ科学に関する専門的演習（担当教員4） 第5週　データ科学に関する専門的演習（担当教員5） 第6週　データ科学に関する専門的演習（担当教員6） 第7週　データ科学に関する専門的演習（担当教員7） 第8週　データ科学に関する専門的演習（担当教員8）とまとめ 教科書・参考書等：担当教員の指示に従う 予習・復習へのアドバイス： 初回のガイダンスで，各回の演習トピックスについて紹介する。 事前に関連する情報を集めておくと，より深い理解が期待される。 各回で担当教員から与えられた課題に取り組むことで，より深い理解が期待される。 成績評価の基準等： 各回のレポートの評点に基づいて総合的に評価する (3) 知能科学プログラム 担当：ANDRADE SILVA DANIEL GEORG,相澤 宏旭 講義室：東図書館3Fセミナー室D 授業のキーワード：深層学習、PyTorch、機械学習 授業の目標・概要等：PyTorchを用いて、基礎的な機械学習のプログラミングから、深層学習のモデル作成 と学習まで自ら実装・エラー分析できる能力を育む。 第1回：Visual Studio Code (VSC), Tensorの基本操作、Broadcasting、Automatic Differentiation 第2回：線形回帰の実装、深層学習の基礎的な構造、勾配降下法 第3回：Autogradやnn.Moduleの詳細、Batch処理、過学習とその対策、データの前処理、確率的勾配降下法 第4回：畳み込みニューラルネットワーク(CNN)の入門、畳み込み層、Pooling層、cifar10での学習と評価 第5回：Vision Transformerの入門、パッチ埋め込み、Positional Encoding、Self-Attention 第6回：実践的なテクニック、Weight Decay、データ拡張、Dropout、残差学習など 第７回（予備） 全ての演習への参加は必須 筆記試験なし、課題(Assignment)のみによる評価 Pythonのプロミング環境:前半はVisual Studio Code, 後半はColab PyTorchによる実装 予習・復習へのアドバイス：NumPy・Python・Matplotlib・PyTorchでのプログラミングを復習すること 成績評価の基準等：複数回実施するレポートを合わせて１００点満点として評価する予定。
教科書・参考書等	授業計画を参照してください。
授業で使用する メディア・機器等
	【詳細情報】
授業で取り入れる 学習手法
予習・復習への アドバイス	授業計画を参照してください。
履修上の注意 受講条件等	初回講義で指定したテーマに参加するため、あらかじめ履修登録をしておくこと。
成績評価の基準等	授業計画を参照してください。
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。