プログラミングⅢ (社会情報・専門科目)

授業科目名

(英語名)

Programming III

科目区分

専門教育科目

−

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

KCJBS2MCA7

単位数

2.00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・演習 (Lecture/Seminar)

開講時期

2026年度後期

担当教員

山本岳洋、塩田　拓海

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

目標9

ｵﾌｨｽｱﾜｰ・場所

講義後教室にて，もしくは，メール等で連絡を取ったうえで教員室にて．

連絡先

t.yamamoto@gsis.u-hyogo.ac.jp
takumi_shiota@gsis.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◎／1〇

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】
データ分析において，データの適切な収集と加工は極めて重要な過程である．本講義では，プログラミングI，II，データ分析演習で学んだ知識を踏まえ，実践的なPythonプログラミングを通じて，さまざまな形式のデータの前処理技術を学ぶことを目的とする．

【到達目標】
表形式データ，時系列データ，テキストデータなどを対象に，解決したい課題に応じたデータの収集と加工を行い，基礎的な分析を行うプログラムを自ら作成できるようになること，である．

授業のサブタイトル・キーワード

サブタイトル：Pythonを用いた種々のデータの適切な前処理
キーワード：pandas，matplotlib，表データの集計，表データの結合，時系列データ，可視化，ウェブ上のデータの処理，自然言語処理

講義内容・授業計画

講義内容:
講義中に課すPythonプログラミング課題を通して種々のプログラミング能力を身につける．本授業ではまず，企業や統計データの適切な加工方法を学ぶ．次に，時系列データの処理方法を学ぶ．最後に，ウェブデータを題材としてテキスト処理やウェブプログラミングについて学ぶ．

授業計画:
（以下の授業計画は変更の可能性がある．変更する場合は初回の講義でアナウンスする．）
1. ガイダンス，データリテラシー
2. データ研磨1（公的データを用いたデータの前処理）（テキスト第2章〜第2章）
3. データ研磨2（要素・行の操作）（テキスト第3章）
4. データ研磨3（データの結合・作図）（テキスト第3章）
5. データ研磨4（複数ファイルの操作）（テキスト第3章）
6. RESAS搭載データを用いた演習（テキスト第2章〜第3章）
7. RESAS搭載データを用いた演習の解説
8. 時系列データ処理1（テキスト第5章〜第6章）
9. 時系列データ処理2（テキスト第5章〜第6章）
10. 時系列データ処理3（テキスト第5章〜第6章）
11. 時系列データ処理4（テキスト第5章〜第6章）
12. ウェブ・テキストデータ処理1（スクレイピング）（テキスト第2章）
13. ウェブ・テキストデータ処理2（APIの利用）（テキスト第2章）
14. ウェブ・テキストデータ処理3（自然言語処理の基礎）（テキスト第7章）
15. ウェブ・テキストデータ処理4（発展的話題）（テキスト第2章，第7章）

対面・遠隔の別

対面

実施方法及び遠隔上限適用対象の別

・対面授業のみ
・遠隔授業単位上限の適用を受けない

生成ＡＩの利用

利用する場面を限定し許可

生成ＡＩ注意点

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。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・論文として提出してはならない。

教科書

羽室行信 (編集)，データの前処理 (Pythonによるビジネスデータサイエンス2)，朝倉書店（2021）
また，必要に応じて講義中に適宜資料を配布する．

参考文献

・Wes McKinney(著)，瀬戸山雅人，小林儀匡，滝口開資(訳)：Pythonによるデータ分析入門第2版--NumPy、pandasを使ったデータ処理，オライリージャパン（2018）
・森巧尚，Python2年生スクレイピングのしくみ体験してわかる！会話でまなべる！，翔泳社（2019）

その他については講義中に適宜指示する．

事前・事後学習（予習・復習）の内容・時間の目安

【予習】授業内容に該当する部分について，配布資料の事前読み込み（10h）
【復習】演習課題への取組（30h），レポート作成（20h）

アクティブ・ラーニングの内容

授業中は各自が主体的に課題に取り組み，教員，TA，他の履修生に対する質問を通して知識の定着を図る．

成績評価の基準・方法

成績評価の基準:
統計・時系列・テキストデータといった種々のデータに対する基礎的な加工・分析を行うプログラムを作成できる者に単位を授与し，講義目的・到達目標に記載する能力の到達度に応じてSからCまでの成績を与える．

成績評価の方法:
講義中に課す演習課題 40%，レポート60%を基本として，講義・演習への取り組み姿勢を含めて総合的に評価する．

課題・試験結果の開示方法

演習課題やレポートについては，優れたものや典型的な間違いを講義の中で紹介する．

履修上の注意・履修要件

・社会情報科学部「プログラミングI」，「プログラミングII」，「データ分析演習」相当のプログラミング能力を身につけていることが望ましい．
・毎回，各自ノートPCを持ち込むこと．

実践的教育

該当しない

備考

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。

シラバス情報