Computer Literacy

Computer Literacy

Basic specialized courses (Specialization-related courses)／Teacher training courses

−

School of Science

1Year

HSSBA1MCA1

2.00Credits

講義 (Lecture)

Fall semester 2026

草部　浩一,吾郷　友宏

理学部

Japanese

9

曜限：講義日程の木曜日講義実施後
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。

kusakabe@sci.u-hyogo.ac.jpまでメールを送ること。
ユニパの授業Q&Aでも連絡を受け付ける。

1◎／4◎／5◎

ー

1-1◎／4-2◎

Ability to teach and lean on

【講義目的】科学を学ぶ上で必要な、計算機による解析や数値解析に基づいた論理的な考察力を培う。本講義では科学分野で利用される数式処理・数値解析アプリ(Sympy, LaTeX他)等を用いて、物理数学や数理モデルを対象とした数式や方程式の解析を学習する。課題学習を通して基本的な数値解析手法やデータベース(SciFinder等)の利用法を学び、論理的考察力を習得することを講義の目的とする。又、科学における情報処理技術の応用として、確率・統計と機械学習の基礎を学び、各種のコンピューターの基本的な仕組みを理解する。
【到達目標】(1)数式や方程式の数値解析法の基本を用いて、数値解のグラフ表示を行い、変数依存性から解の特徴を導く。数値解の特性を数式・方程式の数理構造との対応から論理的に説明する。(2)課題コードの作成を行い、解析結果と考察内容を課題レポートにまとめる。(3)代表的なデータベースを使ってデータを取得する方法を説明する。(4)確率・統計と機械学習の基礎、及び量子コンピューターの基本的仕組みを説明する。

キーワード：数式処理、記号計算、数値解析、データ解析

【講義内容】
数値解析・記号計算ソフト(Sympy等)をjupyter notebook上で用いて、物理学等の自然科学で用いられる数理モデルを表記する数式や方程式等の解析手法を学ぶ。課題として解析コードを作成して数式処理・記号計算や数値解析を行い、データの解析に基づいて解の特徴などをグラフや変数依存性から理解する。数値解の特徴を、解析する数式や論理式の数理構造を対応させて考察し、その説明をレポート課題としてまとめる。化学・物理等の分野で用いられるデータベース(SciFinder等)を用いて、物質に関わる情報を取得する例を実行して、その説明をレポート課題としてまとめる。又、確率・統計と機械学習の基礎を学び、量子コンピューターの基本的仕組みを理解する。
【授業計画】
1. ガイダンス：数式処理関連ソフトウェアの紹介と使用準備
2. レポート・論文作成における機械的処理、LaTeX・Overleafの基本操作
3. Pythonの導入と数式処理の基本
4. 四則演算、文字式、代入、組込み関数
5. 関数定義、展開、微分
6. 積分、数値積分
7. 数式やデータの可視化と応用（等高線・密度プロット）
8. 代数方程式・連立代数方程式、複素方程式と解
9. 微分方程式・連立微分方程式と解のグラフ表示
10. ベクトル解析の基礎と可視化
11. 物質科学におけるデータベースの利用
12. 物質データベースの利用法(I)
13. 物質データベースの利用法(II)
14. 高次元プロットによるスカラー場・ベクトル場の表現
15. 人工知能とスーパーコンピューター、量子コンピューター
期末試験

In-person

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Limited permission for use

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。
生成系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、ﾌﾟﾛｸﾞﾗﾐﾝｸﾞの補正、数式の計算等における補助的利用

テキストを講義中に配布する。

LaTeX美文書作成入門，奥村晴彦 (著), 黒木裕介 (著)（技術評論社）
現場で使える! Python科学技術計算入門，かくあき (著)（翔泳社）
講義中にも参考文献を示す。

【予習】毎回の授業・演習（初回を除く）で用いる問題の解答を事前に作成してくる。初回はデータサイエンスに関する復習を行ってくる。(30h)
【復習】演習の時間中に提示された解答と配布される解答例を用いて、各問題の解答を自ら再度作成する。(30h)

提供された課題を解くスクリプト・コード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コード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。
各種のデータベースを授業中に操作して、学生同士でデータの取得と解析の方法を議論する。

【成績評価の基準】数値解析ソフトやデータベースを利用した実践課題を通して数値解析やデータ解析に基づいた論理的な考察力を身に着け、その説明を課題レポートにまとめた者に単位を授与する。講義目的・到達目標に記載した能力（知識・技能、論理力・思考力、説明力）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】期末試験50％、授業での実践課題とレポート50％を基準として、課題への取り組み、授業での課題に関する質問や考えの発言等を含めて総合的に評価する。
 

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。

姫路工学（書写）キャンパス情報処理室にある端末装置を用いて実習を行う。
BYODも推奨しており、pythonが動作しているノートパソコンを持参することを推奨する。
書写での開講授業であり、R6以降に入学した学生が受講すること。

該当しない。