Syllabus data

Teacher name ： 緒方　英明
Course Title
Information　ScienceⅡB
Course Title in English
Information　ScienceⅡB
Course Type
Basic specialized courses (Specialization-related courses)／Teacher training courses
ー
Eligible Students
School of Science
Target Grade
2Year
Course Numbering Code
HSSBA2MCA1
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
講義 (Lecture)
Eligible Year/Semester
Fall semester 2026
(Fall semester)
Instructor
緒方　英明,尾嶋　拓
Affiliation
理学部
Language of Instruction
Japanese
Related SDGs
4
Office Hours and Location
随時・研究棟301室（緒方）
金曜の２限・研究棟709室 (尾嶋)
Contact
ogata@sci.u-hyogo.ac.jp（緒方）
oshima@sci.u-hyogo.ac.jp （尾嶋）

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
1◎／9◎／10◎
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
4-2◎／1-1〇／1-2〇
Academic Goals of Teacher Training Course
Ability to keep polishing

Course Objectives and Learning Outcome
[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。 また、生命科学関連データベース上のデータを有効に利用できるようになる。
Subtitle and Keywords of the Class
[キーワード] プログラミング、Python、アルゴリズム、機械学習、バイオインフォマティクス
Course Overview and Schedule
[講義内容] Pythonを用いてプログラムを作成するために必要な基本文法等を説明する。

また、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。


[授業計画]
(1) プログラミングの基礎知識 、式と演算，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) 外部ライブラリの利用 scikit-learn
(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
定期試験

[パソコンの利用] 第1回にPythonのインストール方法の解説を行う。その後PCは毎回使用予定
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、 以下の範囲において、 生成ＡＩの利用を許可し、これ以外の範囲での利用は禁止する。 生成ＡＩの利用については担当教員の指示に従うこと。 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。 生成ＡＩの出力した内容について、 事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成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ならない。
＜利用可の範囲＞
講義資料の要約、課題・レポート文案作成、プログラミングの補正、数式の計算等
Textbook
Pythonゼロからはじめるプログラミング　(三谷純、翔泳社)

References
Pythonで動かして学ぶ！あたらしい機械学習の教科書（伊藤真, 翔泳社）
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
[予習] 講義資料の事前読み込み(30 h)
[復習] 講義内容の理解を深め定着させるために講義資料を読み直し、PCでプログラムなどを確認する(30 h)
Contents of Active Learning
実施しない
Grading Criteria and Methods
[成績評価の基準] プログラミングなどの情報科学に関する基本概念を理解しプログラミング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(知識・技能、思考力、判断力、表現力等)の到達度に基づき、S(90点 以上)、A(80点以上~90点未満)、B(70点以上~80点未満)、C(60点以上~70点未満)による成績評価のうえ、単位を付与する。
[成績評価の方法] 小テストや課題(50%)と期末試験(50%)の内容を含めて総合的に評価する。
How to Disclose Assignments and Exam Results
小テストや課題の結果については、原則次の講義でフィードバックする。
Precautions and Requirements for Course Registration
[パソコンの利用] 毎回使用予定であるので、プログラミングが可能なPC等を準備すること。
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 11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が動作することができるノートパソコンを持参することが推奨される。pythonのインストール作業は必要に応じて補助する。
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.