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。

1. 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。
2. 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, Matplotlib, scikit-learn, Tensorflow) の概要を知り，利用できる。
3. 機械学習および機械学習におけるデータ処理の概要を知り，それらを行う Python プログラムの動作を理解できる。

第1回 授業概要とPythonについての基礎知識
第2回 Pythonの基礎 (1) 変数と演算
第3回 Pythonの基礎 (2) 関数と文字列
第4回 制御構文
第5回 データ構造
第6回 関数定義とモジュール
第7回 オブジェクト指向プログラミング
第8回 ライブラリの利用 (1)
第9回 ライブラリの利用 (2)
第10回 ライブラリの利用 (3)
第11回 回帰モデル
第12回 分類モデル
第13回 ニューラルネットワーク (1)
第14回 ニューラルネットワーク (2)
第15回 まとめと試験

授業計画は受講生の理解の状況などに応じて変更する可能性があります。
2単位の授業であるため，2時間の授業に対し4時間程度の予習・復習が必要とされます。

課題（2割）と試験（8割）によって評価する。
演習を含む授業であり全ての回に出席することが原則である。演習課題は全て提出すること。

・池原翔太 他，「Python×データサイエンス: 入門から実践まで」，近代科学社 (2025)

・Python Software Foundation,「Python 3 ドキュメント」https://docs.python.org/ja/3/
・松浦健一郎，司 ゆき,「わかる Python [決定版]」，SBパブリッシング (2018)
・加藤公一，「機械学習のエッセンス」，SBパブリッシング (2018)
・八谷 大岳,「ゼロからつくるPython機械学習プログラミング入門」，講談社 (2020)
・P. Deitel, H. Deitel，「ダイテル Pythonプログラミング: 基礎からデータ分析・機械学習まで」，東京化学同人 (2021)
・A. ジュロン 「scikit-learn, Keras, TensorFlow による実践機械学習 第3版」オライリー・ジャパン (2024)
・岡谷貴之,「深層学習 改訂第2版」，講談社 (2022)

・履修条件：コンピュータプログラミングIの履修を前提とする。履修していない学生は事前に相談のこと。
・関連する授業科目：コンピュータプログラミングII，情報科学演習，音声情報科学

月曜日・5時限・研究室

・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。
・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。
・ノートPCを持参すること。
・授業における演習時の生成AIの利用は禁ずる。