プログラミングⅢ （社会情報・専門科目）

Programming III （社会情報・専門科目）

専門教育科目

−

社会情報科学部

2年

KCJBS2MCA7

2.00単位

講義・演習 (Lecture/Seminar)

2024年度後期

山本 岳洋、大里　隆也

社会情報科学部

日本語

目標9

講義後教室にて，もしくは，メール等で連絡を取ったうえで教員室にて．

t.yamamoto@gsis.u-hyogo.ac.jp

3◎／1〇

ー

ー

ー

プログラミングI，II，データ分析演習で学んだ知識を踏まえ，より実践的なPythonプログラミングについて学ぶ．具体的には，データの研磨，時系列データ，ウェブ・テキストデータ処理などについて，実際のデータを対象とした演習を行う．
解きたい課題に合わせてデータを適切に収集・加工し，基礎的な分析を行うプログラミング能力を養成することを目的とする．

サブタイトル：Pythonを用いた種々のデータの適切な前処理
キーワード：pandas，matplotlib，表データの集計，表データの結合，時系列データ，可視化，ウェブ上のデータの処理，自然言語処理

講義内容:
講義中に課すPythonプログラミング課題を通して種々のプログラミング能力を身につける．本授業ではまず，企業や統計データの適切な加工方法を学ぶ．次に，株価データを題材として時系列データの処理方法を学ぶ．最後に，ウェブデータを題材としてテキスト処理やウェブプログラミングについて学ぶ．

授業計画:
1. ガイダンス，データリテラシー
2. データ研磨1（公的データを用いたデータの前処理）（テキスト第2章〜第2章）
3. データ研磨2（要素・行の操作）（テキスト第3章）
4. データ研磨3（データの結合・作図）（テキスト第3章）
5. データ研磨4（複数ファイルの操作）（テキスト第3章）
6. RESAS搭載データを用いた演習（テキスト第2章〜第3章）
7. RESAS搭載データを用いた演習の解説
8. 時系列データ処理1（株価指数による営業日データの取り扱いと作図の基礎）（テキスト第5章〜第6章）
9. 時系列データ処理2（株価指数による変化率算出と作図の発展）（テキスト第5章〜第6章）
10. 時系列データ処理3（高頻度データの集計と基礎統計量算出）（テキスト第5章〜第6章）
11. 時系列データ処理4（発展的話題）（テキスト第5章〜第6章）
12. ウェブ・テキストデータ処理1（スクレイピング）（テキスト第2章）
13. ウェブ・テキストデータ処理2（APIの利用）（テキスト第2章）
14. ウェブ・テキストデータ処理3（自然言語処理の基礎）（テキスト第7章）
15. ウェブ・テキストデータ処理4（発展的話題）（テキスト第2章，第7章）

生成系AIの利用:
生成系AIの利用については教員の指示に従うこと．生成系AIによる出力結果をそのまま課題レポートとして提出してはいけない．生成系AIによる出力をそのまま提出したことが判明した場合は単位を認定しない，又は認定を取り消すことがある．

羽室 行信 (編集)，データの前処理 (Pythonによるビジネスデータサイエンス2)，朝倉書店（2021）
また，必要に応じて講義中に適宜資料を配布する．

Wes McKinney(著)，瀬戸山 雅人，小林 儀匡，滝口 開資(訳)：Pythonによるデータ分析入門 第2版--NumPy、pandasを使ったデータ処理，オライリージャパン（2018）
森 巧尚，Python2年生 スクレイピングのしくみ 体験してわかる！会話でまなべる！，翔泳社（2019）

その他については講義中に適宜指示する．

【予習】授業内容に該当する部分について，配布資料の事前読み込み（10h）
【復習】演習課題への取組（30h），レポート作成（20h）

授業中は各自が主体的に課題に取り組み，教員，TA，他の履修生に対する質問を通して知識の定着を図る．

成績評価の基準:
統計・時系列・テキストデータといった種々のデータに対する基礎的な加工・分析を行うプログラムを作成できる者に単位を授与し，講義目的・到達目標に記載する能力の到達度に応じてSからCまでの成績を与える．

成績評価の方法:
講義中に課す演習課題 40%， レポート60%を基本として， 講義・演習への取り組み姿勢を含めて総合的に評価する．

演習課題やレポートについては，優れたものや典型的な間違いを講義の中で紹介する．

・社会情報科学部「プログラミングI」，「プログラミングII」，「データ分析演習」相当のプログラミング能力を身につけていることが望ましい．
・毎回，各自ノートPCを持ち込むこと．

該当しない