専修大学Web講義要項（シラバス）[学部用]

シラバス参照

開講年度		2023

科目名		応用プログラミング３

職名／担当教員		ネットワーク情報学部　兼任講師　田中　健太

期間／曜日／時限		後期火曜日 3時限

開講区分／校舎		一部生田／生田

配　当		ネット学科２３４

単　位		2

コースコード		ICT216

授業形態		演習（対面）

卒業認定・学位授与の方針との関連		知識・理解／知識体系に基づく思考と知の創出

講義内容

＜到達目標＞
1. R言語の近年の動向を捉え、適切な開発環境、パッケージを選択してプログラミングできる (知識・理解)
2. tidyverseを念頭に置いたモダンなデータ分析フローを理解し、分析を実践できる (知識体系に基づく思考と知の創出)
3. 機械学習やテキストマイニングなど、分析の目的に応じた手法を選択し、Rプログラムとして実装できる (知識体系に基づく思考と知の創出)

＜講義概要＞
データ分析のためのプログラミング言語であるRについて、近年 (2010年代後半以降) の開発動向を紹介し、ビジネスや研究の現場で広く使われるパッケージの活用方法を、実際にプログラミングをしながら学習します。講義を通じて、実践的なRプログラミングのスキルを身に着けることを目標とします。なお、本講義の履修者は、R言語について基本的な知識を有していると想定しています。前提知識として想定するのは以下の事柄です。

【前提知識】※第1回の授業で簡単な振り返り、確認を行います。
(1) Rでファイルからデータを読み込むことができる
(2) オブジェクト (変数) を作成し、要素 (行や列) を参照できる
(3) オブジェクトに関数 (データ加工、グラフィックス、統計処理など) を適用し、結果を得ることができる

＜講義計画＞
以下のような、Rを活用したモダンなデータ分析に関するトピックを取り上げます。

(1) Rプログラミングの基本、最近の動向について
(2) R Markdownによるレポート作成
(3) GUIによるデータ分析: Radiant等
(4) ggplot2パッケージによるグラフィックス作成 (1) ggplot2パッケージの概要～さまざまなグラフィックス (1)
(5) ggplot2パッケージによるグラフィックス作成 (2) さまざまなグラフィックス (2)～ggplot2のGUI
(6) tidyverseによるデータハンドリング (1) tidyverseの全体像～tidyrパッケージ
(7) tidyverseによるデータハンドリング (2) lubridateパッケージ～tidyverseを中心としたエコシステム
(8) Rによる統計モデリング、機械学習の基礎 (1) データ分析と統計モデリング、機械学習～Rによる機械学習 (1)
(9) Rによる統計モデリング、機械学習の基礎 (2) Rによる機械学習(2)
(10) 機械学習フレームワークによる機械学習 (1) Rにおける機械学習フレームワーク～tidymodelsとmlr3 による機械学習ワークフロー
(11) 機械学習フレームワークによる機械学習 (2) 機械学習と前処理～機械学習とチューニング
(12) Rによるデータスクレイピング
(13) 日本語テキストマイニング (1) テキストデータの価値～Rによるテキストマイニング
(14) 日本語テキストマイニング (2) テキストデータの機械学習
(15) Shinyによるアプリケーション開発 / reticulateによるPythonとの連携 / まとめ

(都合により、順番やトピックを変更する場合があります)

＜授業で実施するアクティブ・ラーニング＞
・実習 (プログラミング)

＜授業時間外の予習・復習・課題＞
講義概要で示した、R言語についての前提知識に不安がある方は、以下の参考書等で事前に学習してください。

授業内で、Rプログラムを作成する課題を指示します (作業時間2時間程度)。教員が指示した締切までにGoogle Classroom等で提出してください。また、予習・復習として、講義で紹介する各種パッケージに関する情報収集 (Web検索、ドキュメント閲覧) をすると良いでしょう。

＜課題に対するフィードバックの方法＞
課題の解答・解説など全体的なフィードバックは、授業内やGoogle Classroom等を用いて行います。個別にフィードバックが必要な場合はdirect (チャットツール) 等で行います。

＜実務経験＞
教員は、ITベンダー傘下の人材育成企業で社会人教育に従事し、その後マーケティングリサーチ企業のデータアナリストとして、さまざまなデータを分析する実務経験を有している。現在も、独立して人材育成サービスを軸としつつ、データ分析やプログラム開発にも従事しており、トレンドを踏まえた実践的な講義を行う。

教科書・参考書

講義資料は、随時Google Classroom等で共有します。以下は、参考書ですので、購入は必須ではありません。R言語の基礎知識に不安がある、またはさらに理解を深めたい方は通読してください。多くの書籍が図書館に収蔵されています。

(1) 松村優哉, 湯谷啓明, 紀ノ定保礼, 前田和寛, 2021, 改訂2版 Rユーザのための RStudio［実践］入門〜tidyverseによるモダンな分析フローの世界, 技術評論社
(2) 浅野正彦, 中村公亮, 2018, はじめてのRStudio: エラーメッセージなんかこわくない, オーム社
(3) 松村優哉, 瓜生真也, 吉村広志, 2023, Rユーザのためのtidymodels［実践］入門〜モダンな統計・機械学習モデリングの世界, 技術評論社
(4) Jared P. Lander (著), 高柳慎一, 津田真樹, 牧山幸史, 松村杏子, 簑田高志 (翻訳), 2018, みんなのR 第2版, マイナビ出版
(5) 石田基広, 2017, Rによるテキストマイニング入門 (第2版), 森北出版
(6) 有賀友紀, 大橋俊介, 2021, RとPythonで学ぶ［実践的］データサイエンス＆機械学習【増補改訂版】, 技術評論社

成績評価方法・基準

（１）成績評価方法
平常点で評価します。各回でRプログラムなどを作成する課題を出題し、100点満点で採点します。各回の課題の提出状況、成果物のレベルと出席状況と照らし合わせて評価します。

（２）成績評価基準・評価の配分等

提出物について、以下の観点で評価します。

(1) 課題の意図を理解し、パッケージ等を活用して、要求を満たすプログラムを実装できたか (到達目標1, 3)
→S: 意図を理解し、要求通りの出力が得られるプログラムを作成した、A: 意図を理解し、要求とおおむね一致する出力が得られるプログラムを作成した、B: 意図をおおむね理解し、要求の半分程度を満たすプログラムを作成した、C: 意図の一部を理解し、要求を一部満たすプログラムを作成した、D: 意図を理解できておらず、要求を満たすプログラムを作成できていない

(2) 要求を満たした上で、よりシンプルで可読性の高いプログラムを実装できたか (到達目標2)
→S: 意図を理解し、無駄のない、可読性の高いプログラムを作成した、A: 意図を理解し、冗長な部分の少ないプログラムを作成した、B: 意図をおおむね理解しているが、やや冗長なプログラムを作成した、C: 意図の一部を理解しているが、冗長な部分の多いプログラムを作成した、D: 意図を理解できておらず、要求を満たすプログラムを作成できていない

(3) グラフィックスのラベルや目盛、レポートのフォーマット等を工夫した、分析結果を第三者に伝えることを意識したプログラムであるか (到達目標1, 2)
→S: 実行結果を他者が見て、意図が明確に理解できるプログラムを作成した、A: 実行結果を他者が見て、意図が大部分理解できるプログラムを作成した、B: 実行結果を他者が見て、意図が半分程度理解できるプログラムを作成した、C: 実行結果を他者が見て、意図が一部理解できるプログラムを作成した、D: 実行結果を他者が見て、意図が理解できないプログラムを作成している

上記の観点に基づいて全15回の提出物を採点、平均して、S(90点以上)、A（80点以上90点未満）、B（70点以上80点未満）、C（60点以上70点未満）、F（60点未満）の評価を行います。

履修上の留意点

(1) すべての授業に出席することが原則です。
(2) すべての課題を提出することが必要です。
(3) 授業内でプログラミング実習を行いますので、ノートPCの持参が必要です。オンライン授業の際も、PCでの受講が必須です。OSは問いません。

講義で使用するR実行環境については、開講前に別途指示します。

担当教員へのアクセス

direct (チャットツール) で質問等を受け付けます。他学部の方は、ネットワーク情報学部教務課を通じてご連絡ください。

その他

全学公開科目

更新日付

2023/05/01 15:04