講義・演習

この授業では，プログラミング言語 Python を学んだ後，Python を用いた機械学習について扱います。

Python は，C 言語などとは異なり「コンパイル」をせずとも使えるスクリプト型の言語であるため，比較的扱いやすいプログラミング言語と言えます。また，Python では，さまざま「パッケージ」が提供されており，数値計算やグラフィック，統計などの処理が容易にできるようになっています。このような理由から，現在，Python は機械学習や AI においては，最も一般的に使われるプログラミング言語となっています。

一方，昨今，高等学校の数学においても「データの分析」などのコンピュータを利用した統計処理について扱われ，またプログラミングの技能も学習が必要となっています。Python と，Python を用いたデータの処理について学ぶことにより，教員としてのこの方面の素養を高めることが期待できます。

３ 地域学を支える諸科学の専門知識を身につけている。

・Python のプログラムを読み書きできるようになる。特に Python が持つデータ構造と，オブジェクト指向プログラミングに用いられるクラスについて理解する。
・科学技術計算と機械学習のための Python の外部モジュール (Numpy, Scipy, Tensorflow) の概要を知り，利用できる。
・ニューラルネットワークによるデータ処理の概要を理解し，実際にプログラムの動作を試すことができる。

第1回 授業の概要説明とPythonについての基礎知識
第2回 はじめてのPythonプログラミング（変数から文字列まで）
第3回 Pythonの関数と文字列の操作
第4回 制御構文
第5回 関数の定義と変数のスコープ
第6回 さまざまなデータ構造(1)
第7回 さまざまなデータ構造(2)
第8回 オブジェクト指向プログラミング
第9回 標準ライブラリの利用
第10回 機械学習
第11回 ニューラルネットワーク
第12回 ディープラーニング
第13回 NumpyとMatplotlibによる科学技術計算
第14回 SciPyとMatplotlibによる科学技術計算
第15回 まとめと試験

課題（2割）と試験（8割）によって評価する。

松浦 健一郎，司 ゆき，わかる Python [決定版]，SBパブリッシング (2018)

・「Python 3 ドキュメント」https://docs.python.org/ja/3/
・A. ジュロン 「scikit-learn, Keras, TensorFlow による実践機械学習 第2版」オライリー・ジャパン (2020)
・瀧 雅人「これならわかる深層学習入門」講談社 (2017)
その他，授業の中で適宜紹介する。

情報機器の操作，自然科学入門II（情報科学），コンピュータプログラミングI, II，情報科学演習

月曜日・5時限・研究室

・履修条件：Linux 上のプログラミング環境を用いる予定であるため，コンピュータプログラミング I で用いたプログラミング環境（エディタやコマンドの利用）の利用法を知っていること。コンピュータプログラミングIを履修していない学生は事前に授業担当教員に相談のこと。
・教室の収容人数により履修者数に上限があるため，事前連絡なしに初回授業を欠席しないこと。
・授業のページ http://echoes.hak.hokkyodai.ac.jp/db/915/