シラバス情報

授業科目名
情報科学概論
(英語名)
Introduction to Information Science
科目区分
コース基盤科目
対象学生
情報科学研究科
学年
1年
ナンバリングコード
KIIMD5MCA1
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年度前期
(Spring semester)
担当教員
宮崎 修一、藤江 哲也、川嶋 宏彰、大島 裕明
所属
情報科学研究科
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
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。
連絡先
shuichi@gsis.u-hyogo.ac.jp
fujie@gsis.u-hyogo.ac.jp
kawashima@gsis.u-hyogo.ac.jp
ohshima@gsis.u-hyogo.ac.jp

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
研究科DP
1◎/2〇
全学DP
教職課程の学修目標

講義目的・到達目標
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。
授業のサブタイトル・キーワード
講義内容・授業計画
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。
教科書
ワークブックを配布する。
参考文献
必要に応じて講義内で紹介する。
事前・事後学習(予習・復習)の内容・時間の目安
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。
アクティブ・ラーニングの内容
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。
成績評価の基準・方法
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。
課題・試験結果の開示方法
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。
履修上の注意・履修要件
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。