情報科学ⅡA

Information　ScienceⅡA

全学共通科目／教職課程科目

−

理学部

2年

IASBA2GCA1

2.00単位

講義 (Lecture)

2025年度後期

草部　浩一、尾嶋　拓

理学部

日本語

目標9

曜限：火曜、水曜の１限 場所：播磨理学キャンパス研究棟708室(草部)
曜限：金曜の２限 場所：播磨理学キャンパス研究棟709室(尾嶋)
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。

草部へは、kusakabe@sci.u-hyogo.ac.jpへメールを送ること。
尾嶋へは、oshima@sci.u-hyogo.ac.jpへメールを送ること。
ユニパの授業Q&Aでも連絡を受け付ける。

ー

ー

1-1◎／4-2◎

目標２:教え、寄り添う力

講義⽬的：科学技術データを統計分析し、正しく理解するための力を養うことを目的に、計算機プログラミング⾔語の文法基礎を学ぶ。また、機械学習を用いることで、分子シミュレーションデータから分子構造の特徴量を抽出し、構造分類できるようになる。
到達⽬標：学部および⼤学院で⾏う実験・研究で得られるデータを解析するための初歩的なプログラムが作成できるようになる。

キーワード：プログラミング、Python、機械学習、マテリアルズインフォマティクス

Linux上での汎⽤の⽀援プログラムの改良法や、Pythonを⽤いて新たにプログラムを作成するために必要な基本⽂法等を学ぶ。また、物質科学データベースの利⽤⽅法を紹介し、簡単な機械学習ソフトウェアの使い⽅を学ぶ。
 
(1) プログラミングの基礎知識，変数とデータ型
(2) コレクション（リスト，ディクショナリ，タプル，セット）
(3) 条件分岐と繰り返し
(4) 関数
(5) オブジェクト
(6) モジュール
(7) 外部ライブラリの利用 NumPy
(8) 外部ライブラリの利用 Pandas
(9) 外部ライブラリの利用 Matplotlib
(10) scikit-learnの利用
(11) 機械学習の基礎（教師あり学習）
(12) ニューラルネットワーク（PyTorchの利用）
(13) 画像分類
(14) 機械学習の基礎（教師なし学習）
(15) 機械学習を用いた分子シミュレーションデータの解析
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：確かな⼒が⾝につくPython「超」⼊⾨（鎌⽥正浩著，SBクリエイティブ）

参考書：Pythonチュートリアル (Guide von Russum, 鴨澤眞夫訳 オライリー・ジャパン)
Pythonで動かして学ぶ！あたらしい機械学習の教科書（伊藤誠、翔泳社）

【予習】授業に際して指示するテキストを事前読み込み（15ｈ）
【復習】課題、レポート作成（30ｈ）、講義内容の理解を深め定着させるためにテキスト、教材を読み直し（15ｈ）

実習においては簡単なPythonスクリプト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。

【成績評価の基準】プログラミングに関する課題を解いて行う実習とそのレポート、及び期末試験の結果から、知識・技能、思考力、判断力、表現力を考慮し、講義目的・到達目標に記載した能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】定期試験50%、演習課題への取り組みと毎回のレポート50%を基準として総合的に評価を行う。

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。

データサイエンス入門および情報科学Ⅰを履修しておくことが特に望ましい。
BYOD（各受講者本人のラップトップPC、OSはWindows 10以上、Mac OS、Linuxのいずれかを持参すること）により実習を進めるため、
pythonが動作しているノートパソコンを持参することが推奨される。python, jupyter notebookのインストール作業は必要に応じて補助する。

該当しない