QuickSyllabus

情報とデータの基礎

前期金曜日４講時情報教育実習室　Ｍ１０４. 単位数/Credit(s): 2. 担当教員(所属)/Instructor (Position): 長江剛志所属：工学研究科. 対象学部/Object: 工（1～5組）学籍番号奇数. 開講期/Term: １セメスター. 科目群/Categories: 全学教育科目先進科目-情報教育. 履修年度: 2024. 科目ナンバリング/Course Numbering: ZAC-PRI101J. 使用言語/Language Used in Course: 日本語.

主要授業科目/Essential Subjects

各学部の履修内規または学生便覧を参照。

授業題目/Class Subject

情報とデータの基礎
Information and data literacy

授業の目的と概要/Object and Summary of Class

(1) 情報化社会に生きる市民としての責任と倫理を自覚し, 適切に判断・行動ができる
ソーシャル・スキルを獲得すること.
(2) 計算機の能力を活用した問題解決手法やデータ科学を学ぶ意義を理解し, 大規模データ
を利用した技術に関して人間中心の理解, 判断ができるようになり, さらにそれらに関して
実社会における課題を見出せるようになること.

(1) Acquire social skills to make appropriate decisions and actions,
taking responsibilities and being aware of ethics as citizens living in
today's information society.
(2) Understand the significance of learning problem-solving methods and data
science, utilizing computers, become able to make human-centered
understandings and decisions in regard to the large-scale data technologies,
and to find issues in the real-world problems concerning those technologies.

学修の到達目標/Goal of Study

・サイバーセキュリティをはじめとした, 情報化社会の中で生きる市民として情報技術に関する
適切な知識を身につけ, それに基づいて適切に判断・行動ができるようになること.
・計算機科学的手法による論理的思考・問題解決ができるようになること.
・データ駆動社会にあって, 大規模データと統計量の基本的な取扱いができるようになるとともに,
データ科学に基づく技術に関して人間中心の理解, 判断ができるようになること.

・Acquire appropriate knowledge on information technologies, such as the cyber
security, to take appropriate action and decision in the information society.
・Become able to resolve problems through the computer science skills.
・Become able to handle large-scale data and basic statistic, and to make appropriate
human-centered understanding and decision in regard to the data-science-related technologies
in today's data-driven society.

授業内容・方法と進度予定/Contents and Progress Schedule of the Class

1. オリエンテーション
2. 情報システムの基礎
3. ソーシャル・スキル情報社会における責任 (1): 情報技術の利便性と危険性（サイバーセキュリティと知的財産権等）
4. ソーシャル・スキル情報社会における責任 (2): サイバーセキュリティに関する討論
5. サイエンス・スキルII データ科学の基礎(1): グラフ描画
6. サイエンス・スキルII データ科学の基礎(2): グラフ描画演習
7. サイエンス・スキルI 計算機による問題解決の基礎(1): Python初級プログラミング(四則演算と変数)
8. サイエンス・スキルI 計算機による問題解決の基礎(2): Python初級プログラミング(四則演算と変数)演習
9. サイエンス・スキルI 計算機による問題解決の基礎(3): Python初級プログラミング(繰り返しと分岐)
10. サイエンス・スキルI 計算機による問題解決の基礎(4): Python初級プログラミング(繰り返しと分岐)演習
11. サイエンス・スキルI 計算機による問題解決の基礎(5): Python初級プログラミング(リストと関数)
12. サイエンス・スキルI 計算機による問題解決の基礎(6): Python初級プログラミング(リストと関数)演習
13. サイエンス・スキルII データ科学の基礎(3): データ分析
14. サイエンス・スキルII データ科学の基礎(4): データ分析演習1
15. サイエンス・スキルII データ科学の基礎(5): データ分析演習2

1. Orientation
Guidance on the topics of the class and preparation on the computers
2. Basics on Information Systems
Basic knowledge on several representative information services, such as the use identification
and the email, and basic instructions.
3. Social Skill (1)
Cyber security: security and risk on the information technology
4. Social Skill (2)
Discussion on Cyber security: security and risk on the information technology
5. Science Skill II (Basics on Data Science (1))
Practical examples of large-scale data and AI in the today's data-driven society
6. Science Skill II (Basics on Data Science (2))
Statistics through Python (1): Basic values on statistics
7. Science Skill I (Problem-solving through computer science (1))
Python programming for beginners: variables and input-and-output
8. Science Skill I (Problem-solving through computer science (2))
Python programming for beginners: variables and input-and-output (practice)
9. Science Skill I (Problem-solving through computer science (3))
Python programming for beginners: loops and branches
10. Science Skill I (Problem-solving through computer science (4))
Python programming for beginners: loops and branches (practice)
11. Science Skill I (Problem-solving through computer science (5))
Python programming for beginners: lists and functions
12. Science Skill I (Problem-solving through computer science (6))
Python programming for beginners: lists and functions (practice)
13. Science Skill II (Basics on Data Science (3))
Practical training on visualization and analyses using real-world data
14. Science Skill II (Basics on Data Science (4))
Practical training on visualization and analyses using real-world data (practice 1)
15. Science Skill II (Basics on Data Science (5))
Practical training on visualization and analyses using real-world data (practice 2)

成績評価方法/Evaluation Method

課題に対するレポートの合計点100点を基礎に評価される．

Homework assignments (4 to 6 times): 100%

教科書および参考書/Textbook and References

授業時間外学修/Preparation and Review

・授業で提示される課題に取り組み, 成果物を提出すること.
・サイバーセキュリティやPythonプログラミング, データ科学や人工知能に関する補助教材を
自習用資料として利用できる. 利用方法は講義時間中に説明される.
・Students are expected to engage themselves in works and exercises given in the class, and to submit papers.
・Students can make use of various supplementary materials on the cyber security, python programming,
data science and AI for the self-study purpose. Instructions will be given in the lectures.

実務・実践的授業/Practicalbusiness※○は、実務・実践的授業であることを示す。/Note:"○"Indicatesthe practicalbusiness

◯

授業へのパソコン持ち込み【必要/不要】/Students must bring their own computers to class[Yes / No]

受講生はそれぞれ自分のPCを利用することが想定されている．

Students are expected to use their own PC.

その他/In Addition

・配布資料はISTU/DCやGoogle Classroomなどを通して入手することができる.
入手方法については講義時間中に説明する.
・オフィスアワーは特に設けない. 質問はメール等で受け付ける.
・授業時間以外で技術的な質問がある場合は, マルチメディア教育研究棟1階に常駐するテクニカルアシスタントに相談することができる.
・各自の「東北大ID」および「東北大IDパスワード」を確認しておくこと（初回授業で利用する）.

・Handouts are available in ISTU/DC or Google Classroom, the instructions to obtain them will be given in the lectures.
・No office hour is specified. Queries are accepted through emails.
・Students can consult on the technical assistants on technical queries. The technical assistants are available at the IT Help Desk, the first floor of the Multimedia Education and Research Complex.
・Students are expected to know their Tohokudai-ID and the corresponding password, which will be used in the first lecture.