Data Structure and Algorithms

Course Title

Course Title in English

Data Structure and Algorithms

Course Type

Basic specialized courses (Specialization-related courses)

ー

Eligible Students

School of Social Information Science

Target Grade

2Year

Course Numbering Code

KCJBS2MCA1

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

Spring semester 2026

(Spring semester)

Instructor

照山順一,塩田　拓海

Affiliation

社会情報科学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

アポイントメントを取った上で教員室（K423）にて

Contact

junichi.teruyama@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

1◎／3〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

【講義目的】
本講義では、プログラムを実際に作る際に必要な背景知識であるデータ構造とアルゴリズムについて学ぶ。様々なデータ構造やアルゴリズムの考え方について知ることで、様々な実問題を解くプログラムを作成するための基礎知識を得ることを目的とする。
【到達目標】
アルゴリズムについて議論を行うための基本的概念について理解することと、基本的なデータ構造と基本的なアルゴリズムについて知り、実際に利用することができるようになることを到達目標とする。

Subtitle and Keywords of the Class

Course Overview and Schedule

【講義内容】
以下の授業計画に従って講義を行う。データ構造やアルゴリズムの原理を机上で学ぶとともに、学んだことを実際に自らのパソコン上で実装して体験することで学ぶ。
【授業計画】
1. はじめに
2. アルゴリズムとは何か
3. Pythonの関数
4. データ構造：配列とリスト（1）
5. データ構造：配列とリスト（2）
6. データ構造：スタックとキュー
7. データ構造：木
8. 再帰的アルゴリズム
9. 探索
10.ヒープ
11. ソート
12. ハッシュテーブル
13. グラフ（1）
14. グラフ（2）
15. まとめ
16. 期末試験（到達度の確認）

※以上の計画は、授業の進度によって変更や前後する可能性がある。
※パソコンの利用：毎回使用する予定である。

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

Fully permitted

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、レポート等を含む成果物作成等において生成ＡＩの利用を全面的に許可しており、生成ＡＩの利用について制限を設けない。
ただし、課題の答案作成において、正しさについて十分に確認すること。

Textbook

・『データ構造とアルゴリズム（データサイエンス大系）』（川井明・梅津高朗・高柳昌芳・市川治共著，学術図書出版社）
・必要に応じて資料を配布することもある

References

適宜指示する。

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

【予習】
教科書事前読み込みによる講義内容の予習（5時間）
【復習】
授業資料の読み直しによる復習（15時間）
課題の答案作成（40時間）

Contents of Active Learning

学生の提出した課題について授業時間内にフィードバックを行うことによって、活発な質問と議論を促す。

Grading Criteria and Methods

【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）による成績評価の上、単位を付与する。
【成績評価の方法】
課題15%、期末試験85%を基準として、総合的に評価する。

How to Disclose Assignments and Exam Results

課題については、授業時間中にフィードバックする。特に、どのような間違いをしやすいかということを重点的に扱う。
期末試験については、全体的な講評をユニバーサルパスポートで提供する。

Precautions and Requirements for Course Registration

すべての課題を提出すること。課題及びその提出方法は都度指示する。
授業中にPCを使って課題を行うため、毎回PCを持参すること。
プログラミング言語としてPythonを使用するため、あらかじめPythonの基礎を理解している必要がある。

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.

Syllabus data