シラバス情報
|
教員名 ： 木庭 淳
|
授業科目名
数理モデリング （社会情報・専門科目）
(英語名)
Mathematical Modeling （社会情報・専門科目）
科目区分
専門教育科目
ー
対象学生
社会情報科学部
学年
2年
ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ
KCJBS2MCA1
単位数
2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
2025年度前期
担当教員
木庭 淳、東川 雄哉
所属
社会情報科学部
授業での使用言語
日本語
関連するＳＤＧｓ目標
該当なし
ｵﾌｨｽｱﾜｰ・場所
講義の前後45分、もしくは、メールでアポを取った上で教員室にて。
連絡先
higashikawa@sis.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
3◎／2〇
研究科DP
ー
全学DP
ー
教職課程の学修目標
ー
講義目的・到達目標
【講義目的】 データ科学を学ぶ上で、現象を数式やネットワークなどを用いた数理モデルで表現することは極めて重要である。本講義では、前半で複雑ネットワークの構造や特性を理解し、データの関係性や構造を数理的に捉える力を養う。後半では、さまざまな問題を数理最適化問題として適切に定式化し、モデル化する力を養うことを目的とする。これらの数理モデリング手法を学ぶことで、データ科学のための幅広いスキルを身につけ、実社会の複雑な問題を数理的に捉え、解決する力を養う。 【到達目標】 本講義の終了時には、以下の目標を達成することを目指す。 ・実社会の問題に対して適切な数理モデルを構築し、その妥当性を評価できる。 ・複雑ネットワークを用いたデータの関係性を分析し、モデル化できる。 ・現実の様々な問題を数理最適化問題として定式化できる。 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】 本講義では、前半で複雑ネットワークの理論と解析手法を学び、後半で数理最適化モデリングを学習する。これらの数理モデリング手法を体系的に学ぶことで、データ科学の基礎スキルを身につける。特に、後半の演習においては、問題を数多く解くことによって理解の定着を図る。最終講義後、習得度確認のための試験を実施する。 【授業計画】
※2 この授業においては生成 AI の利用を予定していないが、学生が利用する場合には参考文献が実在するかなど事実確認を必ず行うこと。 教科書
テキストは使用しない。事前に講義スライドを配布する。 参考文献
・増田直紀、今野紀雄 著：『複雑ネットワーク 基礎から応用まで』 近代科学社
・加藤直樹 著：「数理計画法」、コロナ社 事前・事後学習（予習・復習）の内容・時間の目安
【事前学習】 配布されたスライドを事前に読み、理解できない部分を把握しておく（1回あたり1時間程度）。 【事後学習】 講義内容をスライドやノートで復習し、不明点を教員に質問する（1回あたり3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提示し、学生同士での議論を推奨する。また、解答を発表し、教員や他の学生がフィードバックを行うことで、思考力と表現力を養う。 成績評価の基準・方法
【成績評価の基準】 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）の評価を行う。 【成績評価の方法】 出席を前提に、レポート・小テストなどの平常点30%、試験70%の合計で評価する。 課題・試験結果の開示方法
講義内で出題した問題は、その講義中または翌週に解答・解説を行う。試験問題に関する質問には、アポイントを取った上で対応する。 履修上の注意・履修要件
・本講義では、演習で各自のノートPCを使用することがあるため、授業時間には必ず持参すること。 ・毎回の講義は、前回までの内容を理解している前提で進めるため、オフィスアワーを活用するなどして十分な復習を行うこと。 実践的教育
該当しない。
備考
特になし。 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。
|
