情報科学研究基礎

Information Science

ー

共通科目　主専攻基礎科目

社会科学研究科

学年指定なし

KCEMS5MCA1

2単位

講義 (Lecture)

2024年度前期

(Spring semester)

宮崎 修一、藤江 哲也、川嶋 宏彰、大島 裕明

情報科学研究科

日本語

目標9

随時受け付けるが、事前にメール等で連絡を取ることが望ましい。

shuichi@gsis.u-hyogo.ac.jp
fujie@gsis.u-hyogo.ac.jp
kawashima@gsis.u-hyogo.ac.jp
ohshima@gsis.u-hyogo.ac.jp

ー

1◎

ー

ー

講義目的
情報科学分野で専門的な研究を行うにあたって必要とされる情報科学の考え方と基礎知識を修得し、その実践方法を理解することを目的とする。

到達目標
講義内容を理解した上で、他人に説明できるようになる。また、習得した知識を利用して様々な問題を解決できるようになる。

講義内容
最新の動向を踏まえながら、情報科学を学ぶために必要な全般的な知識や技術について講義する。

授業計画
1. 自然科学の基礎手法：ガイダンス、情報科学の意義、仮説と予測
2. 自然科学の基礎手法：仮説と演繹
3. 自然科学の基礎手法：仮説の検証
4. 情報量：ビットとバイト
5. 情報量：ばらつきの尺度 - 分散
6. 情報量：情報エントロピーと情報量
7. 中間まとめと評価
8. 情報科学の動向と関連トピック
9. アルゴリズムと計算量：計算量、動的計画法
10. アルゴリズムと計算量：ソートアルゴリズム
11. アルゴリズムと計算量：サーチアルゴリズム
12. 初歩の統計：相関係数、最尤推定と不偏推定、線形回帰
13. 初歩の統計：帰無仮説と検定、検定と多重検定
14. 初歩の統計：t-検定、ノンパラメトリック検定、主成分分析と次元削減
15. 全体のまとめと評価

<<生成AIの利用について>>
生成系AI の利用については教員の指示に従うこと。提出物において、生成系AIによる出力結果をそのまま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。

ワークブックを配布する。

必要に応じて講義内で紹介する。

事前学習
ワークブックを読み講義内容を把握するとともに、理解できない所を明確にしておく。1回の目安は2時間程度。

事後学習
講義内容を見返し、理解できているかを確認する。理解できていない所があれば、質問するなどして理解に努める。1回の目安は2時間程度。

講義中に適宜問題を出して受講生に解答させる。また、他の学生や教員はその内容に質問するなどし、討論を行うことにより、コミュニケーション能力を養う。

基準
情報科学の全般的な知識や技術を理解し、その実践ができる者については、講義目的・到達目標に記載する能力の到達度に基づき、S（90点以上）、Ａ（80 点以上）、B（70 点以上）、C（60 点以上）による成績評価のうえ、単位を付与する。

評価
中間試験（50%）と期末試験（50%）を基準として評価する。

講義中に出した課題の解説は、講義中に行う。
試験問題については、教員室等で質問に応じる。

該当しない