Exercises in Information Science

Course Title

Course Title in English

Exercises in Information Science

Course Type

-

コース基盤科目

Eligible Students

Graduate School of Information Science

Target Grade

1Year

Course Numbering Code

KIIMD5MCA3

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

演習 (Seminar)

Eligible Year/Semester

Spring semester 2026

(Spring semester)

Instructor

円谷友英,郷　康広,Hiroyasu Inoue,原口亮

Affiliation

情報科学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

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。

Contact

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

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー

Corresponding Graduate School DP

1◎／2〇

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的
情報科学概論で習得した内容を実践できるようになることを目的とする。

到達目標
情報科学概論で習得した知識を基に、配布されるワークシート（表計算ソフト等）に設定されたデータ処理などの課題が行えるようになる。また、それらを応用できるようになる。

Subtitle and Keywords of the Class

キーワード
仮説と検定、情報量、分散、アルゴリズム、計算量

Course Overview and Schedule

講義内容
本演習では、表計算ソフトまたはプログラミングを用いて、情報科学概論で習得した理論の実践を行う。

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：クラスタリング
11. アルゴリズムと計算量：漸近アルゴリズム、ランダムウォーク

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

エクセルを中心とした計算を行なうので、毎回、パソコンが必要です。

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。

この授業においては、授業内、予習復習等において生成ＡＩの利用を許可する。ただし、自習等において利用する場合、生成ＡＩによる出力結果を鵜吞みにせず自分で検証すること。
なお、提出物の作成時には検索や調査等に生成ＡＩを利用してよいが、生成ＡＩによる出力結果をそのまま利用してはならない。
教員が認める範囲を超えて生成ＡＩを利用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。

Textbook

ワークブックおよびワークシートを配布する。

References

必要に応じて講義内で紹介する。

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

事前学習
情報科学概論のワークブックの対応個所を事前に読んでおく。また、ワークシートにも目を通しておくことが望ましい。1回の目安は2時間程度。

事後学習
演習時間内に終わらなかったワークシートの課題がある場合は、引き続きそれを行う。また、演習時間内にスムーズに解けなかった課題を再度解くなどして理解を深める。1回の目安は2時間程度。

Contents of Active Learning

演習は基本的に個人で行なうが、分からない所を学生同士で教え合うことを推奨し、それにより教える力、コミュニケーション能力を養う。

Grading Criteria and Methods

基準
情報科学概論で習得した内容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
提出されたワークシートの内容（100%）で評価する。

How to Disclose Assignments and Exam Results

ワークシートの提出締め切り後に解答を公開する。

Precautions and Requirements for Course Registration

本演習は、情報科学概論を履修していることを前提に実施します。

Practical Education

該当しない

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data