シラバス情報

授業科目名
コンピューターリテラシー (A)
(英語名)
Computer Literacy (A)
科目区分
専門基礎科目(専門関連科目)/教職課程科目
対象学生
理学部
学年
1年
ナンバリングコード
HSSBA1MCA1
単位数
2.0単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度後期
担当教員
草部 浩一
所属
理学部
授業での使用言語
日本語
関連するSDGs目標
目標9
オフィスアワー・場所
曜限:講義日程の木曜日講義実施後
その他の日程でも調整するので、必要な場合にはkusakabe@sci.u-hyogo.ac.jpまで事前に連絡すること。
連絡先
kusakabe@sci.u-hyogo.ac.jpまでメールを送ること。
ユニパの授業Q&Aでも連絡を受け付ける。

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
1◎/4◎/5◎
研究科DP
全学DP
1-1◎/1-2〇
教職課程の学修目標
目標2:教え、寄り添う力

講義目的・到達目標
【講義目的】科学を学ぶ上で必要な、計算機による解析や数値解析に基づいた論理的な考察力を培う。本講義では科学分野で利用される数式処理・数値解析アプリ(Sympy, LaTeX他)等を用いて、物理数学や数理モデルを対象とした数式や方程式の解析を学習する。課題学習を通して基本的な数値解析手法やデータベース(SciFinder等)の利用法を学び、論理的考察力を習得することを講義の目的とする。又、科学における情報処理技術の応用として、確率・統計と機械学習の基礎を学び、各種のコンピューターの基本的な仕組みを理解する。
【到達目標】(1)数式や方程式の数値解析法の基本を用いて、数値解のグラフ表示を行い、変数依存性から解の特徴を導く。数値解の特性を数式・方程式の数理構造との対応から論理的に説明する。(2)課題コードの作成を行い、解析結果と考察内容を課題レポートにまとめる。(3)代表的なデータベースを使ってデータを取得する方法を説明する。(4)確率・統計と機械学習の基礎、及び量子コンピューターの基本的仕組みを説明する。
授業のサブタイトル・キーワード
キーワード:数式処理、記号計算、数値解析、データ解析
講義内容・授業計画
【講義内容】
数値解析・記号計算ソフト(Sympy等)をjupyter notebook上で用いて、物理学等の自然科学で用いられる数理モデルを表記する数式や方程式等の解析手法を学ぶ。課題として解析コードを作成して数式処理・記号計算や数値解析を行い、データの解析に基づいて解の特徴などをグラフや変数依存性から理解する。数値解の特徴を、解析する数式や論理式の数理構造を対応させて考察し、その説明をレポート課題としてまとめる。化学・物理等の分野で用いられるデータベース(SciFinder等)を用いて、物質に関わる情報を取得する例を実行して、その説明をレポート課題としてまとめる。又、確率・統計と機械学習の基礎を学び、量子コンピューターの基本的仕組みを理解する。
【授業計画】
1. ガイダンス:数式処理関連ソフトウェアの紹介と使用準備
2. レポート・論文作成における機械的処理、LaTeX・Overleafの基本操作
3. Pythonの導入と数式処理の基本
4. 四則演算、文字式、代入、組込み関数
5. 関数定義、展開、微分
6. 積分、数値積分
7. 数式やデータの可視化と応用(等高線・密度プロット)
8. 代数方程式・連立代数方程式、複素方程式と解
9. 微分方程式・連立微分方程式と解のグラフ表示
10. 物質科学におけるデータベースの利用
11. 物質データベースの利用法(I)
12. 物質データベースの利用法(II)
13. ベクトル解析の基礎と可視化
14. 高次元プロットによるスカラー場・ベクトル場の表現
15. 人工知能とスーパーコンピューター、量子コンピューター
期末試験

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。
教科書
テキストを講義中に配布する。
参考文献
講義中に参考文献を示す。
事前・事後学習(予習・復習)の内容・時間の目安
【予習】毎回の授業・演習(初回を除く)で用いる問題の解答を事前に作成してくる。初回はデータサイエンスに関する復習を行ってくる。(30h)
【復習】演習の時間中に提示された解答と配布される解答例を用いて、各問題の解答を自ら再度作成する。(30h)

アクティブ・ラーニングの内容
提供された課題を解くスクリプト・コードを受講者自らで動作させて、改変しながら応用課題を解く。
授業内に参加する受講者間でプログラムコードの動作状況を共有して議論し、お互いのプログラムの適否をディスカッションする。
各種のデータベースを授業中に操作して、学生同士でデータの取得と解析の方法を議論する。
成績評価の基準・方法
【成績評価の基準】数値解析ソフトやデータベースを利用した実践課題を通して数値解析やデータ解析に基づいた論理的な考察力を身に着け、その説明を課題レポートにまとめた者に単位を授与する。講義目的・到達目標に記載した能力(知識・技能、論理力・思考力、説明力)の到達度に応じて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。
【成績評価の方法】授業での実践課題50%とレポート50%を基準として、課題への取り組み、授業での課題に関する質問や考えの発言等を含めて総合的に評価する。
 

課題・試験結果の開示方法
提出されたレポートについて、担当教員が評価し、コメントを併せて記載する。
履修上の注意・履修要件
BYODを基本とするため、pythonが動作しているノートパソコンを持参することを推奨する。
情報処理室にある端末装置を用いて実習を行うことができるが、BYODを推奨する。
姫路工学(書写)キャンパスでの開講授業であり、R6入学生が受講すること。
実践的教育
該当しない。
備考


英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。