「コンピュータサイエンス」と聞くと、おそらく多くの方が「ハードウェアの設計やプログラミングなどの実用的技術」を思い浮かべるのではないでしょうか？しかし機械設計の根底に力学があるように、コンピュータやプログラミングの根底には計算の理論があります。現代のソフトウェアには、「速さ」「便利さ」に加えて「正しさ（が厳密に検証されていること）」が次第に重要視されるようになっていますが、基礎理論なくしてそのような「正しい計算」を実現するのは困難です。また近年ますます複雑多様化するコンピュータ環境に適切に対処するためにも、基礎となる計算理論を身に着けておくことは重要です。本講義では、ハードウェアやプログラミング言語の細部にとらわれず、数理科学的なモデル化・抽象化を通して「計算の基礎」を考えていきたいと思います。

本年度は、数理論理学、形式検証、プログラミング言語理論の３つのテーマについて入門的な解説を行う予定です。

・数学的帰納法の一般化である構造的帰納法について学ぶ。命題論理の基本事項を理解し、SATソルバ—を用いて問題解決する方法について学ぶ。

・帰納法の双対である余帰納法について学ぶ。双模倣性の概念を理解し、余帰納法を用いてプログラムや状態遷移系の等価性を論証できるようになる。

・関数型プログラミング言語の基礎となるラムダ計算について基本事項を理解する。領域意味論を用いてラムダ計算に表示的意味を与える。カリ—ハワード対応を通して論理と計算に深い関係があることを理解する。

以下の各項目について、担当教員のリレー形式で講義します。各項目には【 】で示した週回数を充て、項目内の各学習事項に対しては、受講者の理解度に応じて適宜時間配分します。

（１）数理論理学【４回】（照井一成）
　　　構造的帰納法、命題論理のコンパクト性、充足可能性とSATソルバー

（２）形式検証【４回】（郡茉友子）
　　　余帰納法、双模倣性、プログラム等価性

（３）プログラミング言語理論【６回】（Zeinab Galal, 長谷川真人）
　　　ラムダ計算、領域理論、カリ—ハワード対応

（４）フィードバック【１回】

特になし

小レポート（3〜4回程度）により評価します。
レポートでは、講義内容に即した問題を解いてもらうことにより、十分な理解がなされているかどうかを判定し、合否決定・成績評価を行います。

講義中に資料を配布しますので、復習に活用してください。講義資料の演習問題や講義中に出題された問題を解き、理解度を確認する助けとしてください。また、講義中に参考となる文献を紹介しますので、学習を深めるために活用してください。

コンピュータやプログラミング、あるいは数理論理学に関心を持つ人が、コンピュータサイエンスを学ぶきっかけになることを意図した講義です。特別な予備知識は必要ありません。ただし「演習」でも「概説」でもなく「基礎理論」の講義です。定義・定理・証明の繰り返しに基づく数理的内容であることにご留意ください。

This course introduces Python programming to students with no prior experience. They will learn to write scripts, apply fundamental programming practices, and use common design patterns. The course aims to develop foundational Python skills and the principles for writing clean, effective code, preparing you for future academic and professional work.

In this course, students will first learn the syntax of the Python language and the structure of a Python program. Then, they will learn to use some of the standard data structures provided by the Python language and some of its popular libraries. Finally, students will train in designing, writing, and testing their own programs.
After attending the course, students should be able to:
　　・Understand and modify existing simple programs.
　　・Design, implement, and test their own simple programs.
　　・Design, implement, and test their own simple graphical interfaces.

Module 1: Introduction (1 Session)
A brief history of computer hardware and an overview of the programming language landscape, establishing Python's role and its real-world applications.

Module 2: Python Fundamentals & Programming Practices (13 Sessions)
Learn core Python concepts and programming best practices through examples and hands-on exercises. Topics include:
　　・Interactive Mode & Running Scripts
　　・Data Types (Numeric, Boolean, String)
　　・Variables, Naming, and Comments
　　・Control Flow (Conditionals and Loops)
　　・Data Structures (Lists, Dictionaries)
　　・Input and Output (I/O)
　　・Error and Exception Handling
　　・Object-Oriented Programming (OOP)
　　・Using Modules
　　・Graphical User Interface (GUI) Basics
　　・Introduction to Scientific Computing

Task: Assignments
Students will apply their knowledge by designing and developing a simple application.

Task: In-class Quizzes and Practice Sessions
Students are expected to attempt and complete in-class quizzes and practice tasks. The contents and difficulties will be adjusted based on class progress.

Course Structure consists of 14 instructional sessions and one (optional) feedback session.

Note: The schedule and content are subject to change based on class progress.

No prior programming experience is required. Students must bring their own computer which can run Python 3 (Python 3 is available for Windows, macOS, and various Linux distros). The instructor can assist with installation if they need extra support. Sample programs will be provided. Some examples may involve mathematical concepts; however, the underlying mathematical theory may not be explained in the course.

The evaluation will be based on:
　　1. Assignments given during the course
　　2. In-class quizzes and practice sessions
The detailed grading criteria will be explained during the lecture.

Students are expected to review the class material during the delivery week to follow the course materials. Students who cannot complete the tasks given during a class should complete them before the next class to follow the course materials.

There are no specific office hours. Students can send emails to communicate with the instructor regarding their assignments, questions, and other inquiries.

大規模言語モデルに代表される生成AIについて、その動作原理から構成法、応用展開について講義する。

生成AIモデルの原理を理解し、適切に利用できる。

1.人工知能（ＡＩ）の歴史：推論・探索、知識工学、機械学習、生成AI
2.統計的機械学習
3.ニューラルネットワーク入門
4.NNのアーキテクチャと学習
5.AIによるタスク遂行I：画像認識（1/2）
6.AIによるタスク遂行I：画像認識（2/2）
7.AIによるタスク遂行II：自然言語処理
8.Transformerと自己教師あり学習
9.大規模言語モデル
10.他の生成モデル：VAE, GAN, Diffusion
11.他の基盤モデル画像、音声など
12.Gemini演習1
13.Gemini演習2
14.ＥＬＳＩ（倫理的・法的・社会的な課題）

統合型複合科目「人工知能と人間社会」の講義部分と重なりがあるため、当該科目を履修した学生は不可。

出席と参加の状況 (15%)、12回のミニレポート（60%）および授業で学んだ生成AIモデルを使って勉強で扱う実際の問題を解く最終レポート (25%)を用いて評価する。

各授業後に60分程度で内容を復習することを期待する。また、学生の理解度を確認するために、一部の授業後には実践的な演習課題も実施する。

オフィス・アワーは設けない。質問や要望はメールで受ける。

2019年頃から使いやすいAI(人工知能)エンジンが世界中で広く利用されるようになり、世界はAI時代に突入しました。2022年11月にChatGPTが開発されたことも、その流れの上にあります。スマホ・PC等の情報機器によって多くの人々が世界規模で24時間つながり、世界中の知的財産コンテンツ（ニュース、論文、マニュアル、プログラム、ビデオ等）に自宅から容易にアクセスできる夢のような状況になりました。情報システムへの個人的・社会的依存は今後もますます加速すると思われます。にもかかわらず日本人の情報処理スキルはいまだに低いままであり、日本人に英語と情報と法律と統計は無理なのでは、という状況が今も続いています。情報社会では情報にまつわる諸事象への深い理解と洞察が求められます。本授業では、情報という命題に向き合うために必須となる興味、および情報を主体的に活用する知識・技術・意識を身につけることを目的とします。情報にまつわる3つの側面（人間、社会、情報機器）を念頭に置きつつ、身近な話題や事件を例に取り上げ、ハードウェア（質量がある）、ソフトウェア（質量がない）、倫理に則る情報リテラシー、危険から身を守るための情報危機管理の重要性を一緒に考察したいと考えています。ところで、皆さんが気にしている未来AI社会についてざっくり俯瞰するならば、端的に言えば「勤務する会社の業務管理がコンビニPOSシステム」な社会です。AIシステムは否応なく上から降りてくるのですね。また、高度AGIを維持するには今の1000倍規模の原発建設が必要になると言われています（今でさえ、世界の皆さんのおちゃらけAIビデオ作成のために原発2基分の電力がアメリカで年間消耗されています。アメリカも実は悲鳴を上げています・・）。そんな負荷を人類は果たして背負えるのでしょうか。

・机上での学問とリアル社会とのつながりを常に意識する姿勢を身につける。
・適切な倫理的判断を下せるようになるための基本知識を習得する。
・将来にわたってポイントを押さえた自学自習ができるようになることを目指す。

授業回数はフィードバックを含め15回とする。また、教科書の各章に基づき以下のような課題について1〜2回ずつ講義する予定である。

１．　ガイダンス
　　　　混沌の情報社会へようこそ

２．　コンピュータとはなにか（コンピュータができること）
　　　　コンピュータはデータのコピー機

３．　デジタル情報の世界（デジタル処理、数値、文字、画像、音）
　　　　いちおうこの知識は持っておいてね

４．　コンピュータと情報通信（インターネット、ファイル共有）
　　　　デジタル通信は中身丸見えのバケツリレー

５．　コンピュータ科学の諸課題（情報倫理）
　　　　さまざまな危険性の概要を説明します

６．　ハードウェア設計の基礎（CPUの原理、トランジスタ回路）
　　　　CPUは足し算回路にすぎない

７．　プログラムを作る（Fortran、C、Python）
　　　　基本道具立てはシンプル。バグ（プログラムミス）をどうふせぐか

８．　アルゴリズムを工夫する（ソート、サーチ）
　　　　アルゴリズムこそ人類共通の財産

９．　様々な情報処理（データベース、グラフィックス）
　　　　何度も描いて消して絵が動く

１０．知的情報処理（人工知能、機械翻訳、パターン認識）
　　　　機械であるコンピュータに人間世界を認識させるために

１１．情報危機管理の重要性（ウイルス、著作権、倫理、危機管理）
　　　　情報社会の恐ろしさ：なにげない所作があなたの破滅を招く

農学部２回生向けクラス指定科目ですが、他学部（文系学部含む）・他回生からの受講を受け付けます。開始地点での情報処理専門知識はとくに必要ありません。授業内で適宜補足し、資料を配付します。

評価方法：平常点（出席と参加の状況）に基づいて評価を行います。とくに、情報に対し自ら興味を持ち「自律思考」する姿勢を重視したいと考えています。達成目標：本人による自らの自律思考の痕跡のみえる小レポートの提出（毎講義ごとに課題を提示いたします）。

授業で使用するPPT資料をクラシスなどで配布するので、各自入手し、復習に役立ててほしい。

本授業の受講対象者としてコンピュータ初学者を想定していますが、上級者であっても情報危機管理の姿勢が脆弱な場合が認められ、上級者も強く歓迎します。慣れた頃が一番危険、とはよく言われる言葉です。独学で学びにくく見逃されやすい点に焦点を当てた授業を行うことを心がけています。情報リテラシーと情報倫理、情報危機管理の基礎をしっかり学び、高度情報化社会を上手に乗り切っていく力をきちんと身に付けてほしいと願っています。

Information and Communication Technology (ICT) skills are essential for academic study and professional work. This course introduces the fundamentals of informatics and programming, combining theory with practical exercises. Students learn how computers, networks, and programming environments function, and how to apply these skills to academic and research contexts.

By the end of the course, students will be able to:
1. Understand computer and operating system fundamentals, including UNIX environments and basic command-line tools.
2. Create academic and technical documents using LaTeX.
3. Write simple programs in C/C++ or Python to solve practical problems.
4. Describe key concepts in networking, TCP/IP, and information security.
5. Explore basic techniques for visualization, parallel computing, and introductory AI.
6. Continue developing informatics skills independently.

Week 1: Computer Basics & UNIX Systems
- Course Introduction
- Overview of operating systems
- UNIX terminal, shell commands, and editors (vim)

Week 2-5: Programming and Technical Writing
- First programs in C/C++: compilation, linking, debugging
- Fundamentals of algorithmic thinking
- Writing technical reports using LaTeX

Week 6-9: Network Fundamentals & Security.
- TCP/IP and Internet Protocols
- Information security & ethics
- Basics of cybersecurity (encryption/decryption)

Week 10-12: Parallel Computing and Visualization
- Introduction to GPGPU concepts
- Visualization with Blender
- Overview of AI tools using PyTorch

Week 13: Course Review and Final Project Submission

Week 14: Feedback Session

- No formal prerequisites.
- Basic familiarity with computer use and high school-level mathematics is helpful but not required.
- Students must have access to a personal computer for programming exercises and online modules.

Student performance will be evaluated as follows:
1. Attendance and participation: 15%
2. Punctuality: 5%
3. Assignments & Reports (3): 80%

Student Expectations
1. Review materials before class.
2. Practice programming and computing exercises.
3. Submit assignments and reports on time via LMS.
4. Complete AI/Data Science e-learning modules and join Q&A sessions.
5. Review notes and strengthen informatics skills regularly.

生き物は知能を発達させることで生存の可能性を高め，その知能進化の過程の中で人間の知能が生まれ，現代では人間の知能が機械の知能としての人工知能(AI)を生み出した。学問としての人工知能は知能をつくる数理工学であり，本授業では知能を作るための基本原理について最新の知見を取り入れながら分かりやすく講義する。特に，自然・社会に存在する様々なデータや知能アーキテクチャの持つ，同変性(equivariance)という構造的不変性の性質の観点から，認識・言語・行動を含む現代の人工知能モデルを統一的に理解する。基本的な数理的知識を用いるが，理系の学生だけではなく，文系の学生を含めて，知能の構成原理や知の本性に関心を持つすべての学生の受講を歓迎する。プログラミングに関する事前知識は特に仮定しない。単なる講義に留まらず，実際にAIシステムを実装して動かしてみる簡単なデモンストレーションやディスカッションを適宜取り入れるため，学生の積極的な授業参加と学生間においても積極的な協働学習・コミュニケーションを期待する。

深層学習・ニューラルネットワークを中心とした現代の人工知能の基本原理を理解する。それにより，これからの人工知能に満ちた世界において，自分の頭で思考し判断し行動できるようになる。

1. 知能の考古学：動物の知能，人の知能，機械の知能
2. 昔のAIと今のAI：学習しない機械と学習する機械
3. ニューラルネットワーク：人間の脳と機械の脳
4. データから学習するとは？：汎化・過学習・正則化
5. 知能の設計図としてのニューラルアーキテクチャ
6. すべての関数を近似可能か？：MLPと普遍近似性
7. AIが世界を見る方法：視覚モデルと同変性
8. AIが言葉を話す方法：言語モデルと同変性
9. ChatGPT/GeminiなどのLLMはなぜ上手く動くのか
10. アーキテクチャ設計言語と構造的方法論
11. 最先端のアーキテクチャとその性能
12. AIと認知科学：強化学習・予測符号化・世界モデル
13. 現在のAIの限界とAIそれ自体の原理的限界
14. AIと心の哲学：意識・認知バイアスと心の不合理性
注：理解度や進度等に応じて適宜授業内容を調整する。授業はフィードバックを含めて全15回で実施する。

特になし

レポートを中心に評価する。毎回の授業におけるディスカッション等への貢献も評価対象とする。

授業資料などによって，毎回の授業について復習を行って理解を深めること。

2019年頃から使いやすいAI(人工知能)エンジンが世界中で広く利用されるようになり、世界はAI時代に突入しました。2022年11月にChatGPTが開発されたことも、その流れの上にあります。スマホ・PC等の情報機器によって多くの人々が世界規模で24時間つながり、世界中の知的財産コンテンツ（ニュース、論文、マニュアル、プログラム、ビデオ等）に自宅から容易にアクセスできる夢のような状況になりました。情報システムへの個人的・社会的依存は今後もますます加速すると思われます。にもかかわらず日本人の情報処理スキルはいまだに低いままであり、日本人に英語と情報と法律と統計は無理なのでは、という状況が今も続いています。情報社会では情報にまつわる諸事象への深い理解と洞察が求められます。本授業では、情報という命題に向き合うために必須となる興味、および情報を主体的に活用する知識・技術・意識を身につけることを目的とします。情報にまつわる3つの側面（人間、社会、情報機器）を念頭に置きつつ、身近な話題や事件を例に取り上げ、ハードウェア（質量がある）、ソフトウェア（質量がない）、倫理に則る情報リテラシー、危険から身を守るための情報危機管理の重要性を一緒に考察したいと考えています。ところで、皆さんが気にしている未来AI社会についてざっくり俯瞰するならば、端的に言えば「勤務する会社の業務管理がコンビニPOSシステム」な社会です。AIシステムは否応なく上から降りてくるのですね。また、高度AGIを維持するには今の1000倍規模の原発建設が必要になると言われています（今でさえ、世界の皆さんのおちゃらけAIビデオ作成のために原発2基分の電力がアメリカで年間消耗されています。アメリカも実は悲鳴を上げています・・）。そんな負荷を人類は果たして背負えるのでしょうか。

・机上での学問とリアル社会とのつながりを常に意識する姿勢を身につける。
・適切な倫理的判断を下せるようになるための基本知識を習得する。
・将来にわたってポイントを押さえた自学自習ができるようになることを目指す。

授業回数はフィードバックを含め15回とする。また、教科書の各章に基づき以下のような課題について1〜2回ずつ講義する予定である。

１．　ガイダンス
　　　　混沌の情報社会へようこそ

２．　コンピュータとはなにか（コンピュータができること）
　　　　コンピュータはデータのコピー機

３．　デジタル情報の世界（デジタル処理、数値、文字、画像、音）
　　　　いちおうこの知識は持っておいてね

４．　コンピュータと情報通信（インターネット、ファイル共有）
　　　　デジタル通信は中身丸見えのバケツリレー

５．　コンピュータ科学の諸課題（情報倫理）
　　　　さまざまな危険性の概要を説明します

６．　ハードウェア設計の基礎（CPUの原理、トランジスタ回路）
　　　　CPUは足し算回路にすぎない

７．　プログラムを作る（Fortran、C、Python）
　　　　基本道具立てはシンプル。バグ（プログラムミス）をどうふせぐか

８．　アルゴリズムを工夫する（ソート、サーチ）
　　　　アルゴリズムこそ人類共通の財産

９．　様々な情報処理（データベース、グラフィックス）
　　　　何度も描いて消して絵が動く

１０．知的情報処理（人工知能、機械翻訳、パターン認識）
　　　　機械であるコンピュータに人間世界を認識させるために

１１．情報危機管理の重要性（ウイルス、著作権、倫理、危機管理）
　　　　情報社会の恐ろしさ：なにげない所作があなたの破滅を招く

農学部２回生向けクラス指定科目ですが、他学部（文系学部含む）・他回生からの受講を受け付けます。開始地点での情報処理専門知識はとくに必要ありません。授業内で適宜補足し、資料を配付します。

評価方法：平常点（出席と参加の状況）に基づいて評価を行います。とくに、情報に対し自ら興味を持ち「自律思考」する姿勢を重視したいと考えています。達成目標：本人による自らの自律思考の痕跡のみえる小レポートの提出（毎講義ごとに課題を提示いたします）。

授業で使用するPPT資料をクラシスなどで配布するので、各自入手し、復習に役立ててほしい。

本授業の受講対象者としてコンピュータ初学者を想定していますが、上級者であっても情報危機管理の姿勢が脆弱な場合が認められ、上級者も強く歓迎します。慣れた頃が一番危険、とはよく言われる言葉です。独学で学びにくく見逃されやすい点に焦点を当てた授業を行うことを心がけています。情報リテラシーと情報倫理、情報危機管理の基礎をしっかり学び、高度情報化社会を上手に乗り切っていく力をきちんと身に付けてほしいと願っています。

さまざまな局面において、コンピュータやインターネットを利用して情報を収集・分析・処理し、さらに効果的に表現・伝達する手法を習得することを目的とする。これらを通じて、AIを含む現代の情報技術を活用しながら、課題発見から解決までを論理的かつ創造的に進めるための基礎的な情報処理能力を養成する。

パソコンを用いて自らの力で情報処理を行い、課題や問題の解決を図るための基礎的な知識と技能を習得する。さらに、データの収集・整理・分析から成果の表現・共有までの一連のプロセスを実践的に学ぶことで、AIをはじめとする現代の情報技術を適切に活用し、論理的かつ創造的に問題解決を行う力を養う。

以下のような課題について、１課題あたり１〜２週の授業をする予定である。

授業回数はフィードバックを含め全15回とする。
各課題にそった演習を行い、毎回レポートの提出を課す。

１．　情報収集の基礎
２．　学内情報サービスとネットワークの利用
３．　パーソナルコンピュータとOS・その構成と基本操作
４．　情報社会に関連する法規・情報セキュリティー
５．　データの提示・集計・抽出（表計算ソフト）
６．　データの分析（統計処理の基礎）
７．　データの蓄積（データベースの基礎）
８．　情報の提示と伝達・プレゼンテーション
９．　AIと情報処理の新展開

特になし

毎回出題する課題のレポート提出により評価する。各々の学習内容を理解しているかどうか、記述が明解かどうかを総合して評価する。

毎回の課題をこなすために、あらかじめ参照可能な資料について予習を行うとともに、演習後に復習を行うことを求める。

情報処理能力を高めるために、情報AI基礎［医学部］（人間健康科学科）も履修することが望ましい。

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し、修了テストを受けた上で、同テストのフィードバックを確認しておくこと。授業内では受講のための時間は設けないので授業時間外に受講しておくこと。同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められているものである。2回生以上で過去の年度に受講した場合でも今年度まだ受講していないのであれば必ず受講すること。

工学系で必要となるコンピュータ利用に関する基本的なスキルを修得するための演習である．UNIX系OS (Linux) を利用する．学術情報メディアセンター南館において履修者が実際にPC端末を使用して演習を行う．

工学系で必要となるコンピュータ利用に関するスキル（UNIXのコマンドによるファイル操作・文書整形・グラフ作成・プログラミングの基礎・情報リテラシー・AI利用の基礎）を習得する．

各回について，原則として教員2名およびTA2名の合計4名が担当する．

第1-2回：概要，文字の入力とファイル作成
　情報セキュリティ教育を行い（情報セキュリティに関するe-Learningの受講を推奨する），情報環境機構が提供する教育用PC端末で利用できるソフトウェアを紹介する．端末からのログイン・ログアウトなど基本的な操作の実行，エディタを利用してのアルファベットおよび日本語の入力方法を学ぶ．文書ファイルを作成して，成果を提出する．

第3回：工学系学術情報リテラシー（基礎）
　京都大学における資料・情報の収集方法／工学部図書館の利用方法／図書・雑誌の探し方／日本語文献の探し方／レポートの書き方に関する情報及び情報利用上の注意

第4回：AI利用の基礎
　学術研究活動に資するための，適切なAI利用に関する基本事項を学ぶ．

第5-6回：UNIXコマンド・シェル
　基本的なUNIXコマンドについて学び，使用法を身に付ける．まず，ファイルシステムについて理解し，ファイルを取り扱う上で重要なリダイレクションとパイプについても使用法を身に付ける．

第7-8回：文章整形
　LaTeX を使用して，文章を整形する手法を修得する．また，文章中に数式や表を出力する方法および図やグラフを挿入する方法についても修得する．

第9-10回：グラフ作成
　グラフ作成の基礎（プロット，軸スケール，注釈など）について学修し，gnuplotを使用して，関数や数値データを図示する手法を修得する．

第11-13回：プログラミング
　プログラムの基礎について学修する．さらに，プログラムの流れを変えるための繰り返しと条件分岐の構造を理解する．fortranを使用して，実際にプログラミングを行い，計算を実行させる手法を修得する．

第14回：最終課題の説明
　これまでに習得したスキル（級数を用いて円周率を求める方法の数式での記述，fortranプログラムによる数値計算，収束の様子のグラフ作成，TeXへのグラフの取り込み等）を用いたレポート作成課題に取り組む．

期末試験

第15回：フィードバック（方法は、別途連絡する）

学習の理解度に応じて，変更される場合がある．

特になし

各回に課される演習課題を含む平常点（30%），最終課題結果（40%）ならびに定期試験結果（30%）により，授業内容を理解・修得しているかどうかを評価する．また，最終課題提出および定期試験受験を合格のための必要条件とする．

仮想端末を用いるので，各自のノートパソコン等からでも演習が可能である．教科書を用い，適宜予習・復習を行うこと．

T1〜T4の4クラスで行う．メディアセンターの端末を使用して演習を行うため，ECS-IDおよびパスワードが必要である．オフィスアワーについては，各クラスで演習時に指示する．

他の科目との関連について：「情報AI基礎［工学部］（地球工学科）」（1年後期）を履修することを強く薦める．また，地球工学科専門科目「情報処理及び演習」（1年後期）は本演習を履修していることを前提として行われる．

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し，修了テストを受けた上で，同テストのフィードバックを確認しておくこと．授業内では受講のための時間は設けないので授業時間外に受講しておくこと．同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められている．2回生以上で過去の年度に受講した場合でも，今年度まだ受講していないのであれば必ず受講すること．

工学系で必要となるコンピュータ利用に関する基本的なスキルを修得するための演習である．UNIX系OS (Linux) を利用する．学術情報メディアセンター南館において履修者が実際にPC端末を使用して演習を行う．

工学系で必要となるコンピュータ利用に関するスキル（UNIXのコマンドによるファイル操作・文書整形・グラフ作成・プログラミングの基礎・情報リテラシー・AI利用の基礎）を習得する．

各回について，原則として教員2名およびTA2名の合計4名が担当する．

第1-2回：概要，文字の入力とファイル作成
　情報セキュリティ教育を行い（情報セキュリティに関するe-Learningの受講を推奨する），情報環境機構が提供する教育用PC端末で利用できるソフトウェアを紹介する．端末からのログイン・ログアウトなど基本的な操作の実行，エディタを利用してのアルファベットおよび日本語の入力方法を学ぶ．文書ファイルを作成して，成果を提出する．

第3回：工学系学術情報リテラシー（基礎）
　京都大学における資料・情報の収集方法／工学部図書館の利用方法／図書・雑誌の探し方／日本語文献の探し方／レポートの書き方に関する情報及び情報利用上の注意

第4回：AI利用の基礎
　学術研究活動に資するための，適切なAI利用に関する基本事項を学ぶ．

第5-6回：UNIXコマンド・シェル
　基本的なUNIXコマンドについて学び，使用法を身に付ける．まず，ファイルシステムについて理解し，ファイルを取り扱う上で重要なリダイレクションとパイプについても使用法を身に付ける．

第7-8回：文章整形
　LaTeX を使用して，文章を整形する手法を修得する．また，文章中に数式や表を出力する方法および図やグラフを挿入する方法についても修得する．

第9-10回：グラフ作成
　グラフ作成の基礎（プロット，軸スケール，注釈など）について学修し，gnuplotを使用して，関数や数値データを図示する手法を修得する．

第11-13回：プログラミング
　プログラムの基礎について学修する．さらに，プログラムの流れを変えるための繰り返しと条件分岐の構造を理解する．fortranを使用して，実際にプログラミングを行い，計算を実行させる手法を修得する．

第14回：最終課題の説明
　これまでに習得したスキル（級数を用いて円周率を求める方法の数式での記述，fortranプログラムによる数値計算，収束の様子のグラフ作成，TeXへのグラフの取り込み等）を用いたレポート作成課題に取り組む．

期末試験

第15回：フィードバック（方法は、別途連絡する）

学習の理解度に応じて，変更される場合がある．

特になし

各回に課される演習課題を含む平常点（30%），最終課題結果（40%）ならびに定期試験結果（30%）により，授業内容を理解・修得しているかどうかを評価する．また，最終課題提出および定期試験受験を合格のための必要条件とする．

仮想端末を用いるので，各自のノートパソコン等からでも演習が可能である．教科書を用い，適宜予習・復習を行うこと．

T1〜T4の4クラスで行う．メディアセンターの端末を使用して演習を行うため，ECS-IDおよびパスワードが必要である．オフィスアワーについては，各クラスで演習時に指示する．

他の科目との関連について：「情報AI基礎［工学部］（地球工学科）」（1年後期）を履修することを強く薦める．また，地球工学科専門科目「情報処理及び演習」（1年後期）は本演習を履修していることを前提として行われる．

情報環境機構が提供する情報セキュリティe-Learningを必ず受講し，修了テストを受けた上で，同テストのフィードバックを確認しておくこと．授業内では受講のための時間は設けないので授業時間外に受講しておくこと．同e-Learningは学生も含めた本学の全構成員に対して毎年受講が求められている．2回生以上で過去の年度に受講した場合でも，今年度まだ受講していないのであれば必ず受講すること．

本授業では，実際にコンピュータ上で人工知能モデルを実装・実験することを通じて，現代の機械学習・深層学習のしくみを体験的に理解することを目的とする。現代の人工知能の中核をなすニューラルネットワークモデルを自ら実装し動かすことで，その原理と挙動を具体的に学ぶ。Python および機械学習ライブラリ Pytorch を用いて，モデル設計・学習・評価などの一連のプロセスを総合的に学習する。特に多層パーセプトロン，畳み込みニューラルネットワーク，トランスフォーマーなどの代表的なモデルを実装し実験する。グループプロジェクトおよびファイナルプロジェクトを通じて，小規模なデータセットを対象に，問題設定・モデル設計・実装・評価・発表までのプロセスを実践し，人工知能システムを構成する力と，その振る舞いを批判的に理解する力を養う。主として Google Colab 上で演習を行い，個別の環境構築の負担をできるだけ減らす。人工知能・機械学習やプログラミングの事前知識は特に仮定しない独立した授業であり，本授業のみの履修でも一定の実践的知識を習得することができる。理系の学生だけではなく，文系の学生も歓迎する。演習形式の授業として，プレゼンテーションやディスカッションを多数取り入れるため，学生の積極的な授業参加と，学生間の協働的学習・連携・コミュニケーションを期待する。

深層学習・ニューラルネットワークを中心とした現代的な人工知能・機械学習システムを実装できるようになる。グループワークを通じて他者と協働・連帯・調和し，コラボレーションによりプロジェクトを完遂するというプロセスを体験しそれを楽しむ。

1. ガイダンスと環境構築
2. Google Colab で Python プログラミング入門
3. 人工知能・機械学習の基本概念
4. Pytorch で機械学習プログラミング入門
5. 多層パーセプトロンとその変種
6. グループプロジェクト(1)
7. 畳み込みニューラルネットワーク
8. 注意機構とトランスフォーマー
9. グループプロジェクト(2)
10. 同変ニューラルネットワーク
11. 複合同変ニューラルネットワーク
12. グループプロジェクト(3)
13. ファイナルプロジェクト発表会(1)
14. ファイナルプロジェクト発表会(2)

注：理解度や進度等に応じて適宜授業内容を調整する。授業はフィードバックを含めて全15回で実施する。

特になし。ただし演習授業のため履修可能人数を制限する。

ファイナルプロジェクト・グループプロジェクトの成果・プロセス・自身の貢献の仕方をまとめたレポートとプレゼンテーションの質を中心に複合的に評価する。毎回の授業への参加・議論等への貢献も評価対象とする。

授業資料，参考プログラムなどによって，毎回の授業について復習を行って理解を深めること。

Formal language theory is a fundamental area of theoretical computer science that studies (among other things) different ways of representing possibly infinite collections of words having some shared structure.
It is closely related to computability, computational complexity, and mathematical logic, and has practical applications in linguistics, artificial intelligence, and the design of programming languages.
The purpose of this course is to provide an introduction to formal language theory for non-computer science students.
The main topics include finite-state automata, regular languages, pushdown automata, context-free languages, Turing machines, and decidability.

After completing this course, the student should be able to:
- Explain the relationships between different classes of formal languages, automata, and grammars.
- Design an automaton or a grammar that accepts or generates a specified formal language, and conversely, determine the formal language that is accepted or generated by a specified automaton or grammar.
- Prove or disprove mathematical properties of formal languages, grammars, and automata.
- Use the diagonalization method or reductions to establish that certain languages are undecidable.
- Understand how the concept of "information" can be defined using computability theory.

The course will cover the following topics:
1. Introduction
2. Finite-state automata, regular languages, nondeterminism (1)
3. Finite-state automata, regular languages, nondeterminism (2)
4. Finite-state automata, regular languages, nondeterminism (3)
5. Finite-state automata, regular languages, nondeterminism (4)
6. Pushdown automata, context-free languages, grammars (1)
7. Pushdown automata, context-free languages, grammars (2)
8. Pushdown automata, context-free languages, grammars (3)
9. Turing machines (1)
10. Turing machines (2)
11. Decidability
12. Reducibility (1)
13. Reducibility (2)
14. Course summary and Q & A session
<>
15. Feedback

An ability to think abstractly and to solve problems of a mathematical nature will be required for this course.
No programming skills are needed.

A written examination at the end of the course.

Students will be expected to spend about 3 hours per week to prepare for and review the lessons.

An algorithm is a well-defined procedure for solving a computational problem.
Reliable algorithms have become crucial components of people's daily lives; for example, the Internet or our smartphones would not work without them.
The purpose of this course is to provide a basic introduction to algorithms for non-computer science students.
General techniques for designing algorithms and analyzing their efficiency, as well as examples of widely used algorithms with important real-life applications, will be presented.

After completing this course, the student should be able to:
- Apply various algorithm design techniques for solving computational problems.
- Measure the efficiency of an algorithm.
- Explain how famous algorithms such as Google's PageRank, Quicksort, and Dijkstra's shortest-path algorithm work.

The course will cover the following topics:
1. Introduction
2. Graph traversal
3. Data compression
4. Cryptography
5. Topological sort
6. Shortest paths
7. PageRank
8. Voting systems
9. Searching
10. Sorting
11. Hash tables
12. String matching
13. Randomization
14. Course summary and Q & A session
<>
15. Feedback

An ability to think abstractly and to solve problems of a mathematical nature will be required for this course.
No programming skills are needed.

A written examination at the end of the course.

Students will be expected to spend about 3 hours per week to prepare for and review the lessons.

情報数学Iに引き続き，圏論の基礎的な定義や定理について講義します。特に米田の補題や随伴についてはこの講義で取り扱います。情報数学IとIIを合わせて圏論の基礎について一通り身に付けることで，個々の進んだトピックに取り掛かることができるようになることを目的とします。 　
さらに一つの応用としてコンピュータ科学への応用，特に余代数を用いた状態遷移や観測同値性，双模倣が圏論により適切に扱えることを説明します（用語の意味は今はわからなくても構いません）。これは並行プロセスの意味論を扱う場合に重要になります。
　また余裕があれば応用圏論としてモノイダル圏や豊穣圏を用いてリソースの理論，データベース， 電子回路網，量子計算などからいくつかのトピックを取り上げる予定です。

随伴，表現可能性，極限という複数の普遍性概念とそれらの間の関係について理解する。圏論的な代数と余代数の扱いについて理解する。コンピュータ科学へのいくつかの応用を理解する。

（１）自然性【3週】：
圏の圏，表現可能関手，自然性，圏の冪，関手圏，モノイダル圏，圏同値

（２）図式の圏【3週】：
集合値関手，米田埋め込み，米田の補題，図式の圏，図式の圏の冪，トポス

（３）随伴【3週】：
Hom集合による定義，順序の例，随伴としての量化子，RAPL原理，局所カルテシアン閉圏，随伴関手定理

（４）モナドと代数【3週】：
随伴の三角等式，モナドと随伴，モナドの代数，コモナドと余代数，自己関手の代数

（５）圏論の応用【2週】

（６）授業フィードバック【1週】：
これまでの授業全体に関しての質問を受け付ける時間とします。

※講義の内容や進度は学生の理解度によって調整します。

情報数学Iの内容を前提として講義を進める。単位を修得していない学生は自習しておくこと。

期末レポート課題で評価する（素点評価）
目標とする理解度に到達しているかどうかで評価する。具体的には設定した条件を満たしているか，内容のポイントを押さえているか，記述が明解かどうかなどによって評価する。

復習をしっかりすること。

質問・連絡用のメールアドレスは講義中に伝えます。

コンピュータはプログラム(ソフトウェア)にしたがって動作する．世の中には利用可能な数多くのソフトウェアがあって，それらを使えばコンピュータでさまざまなコトができる．しかし既存のソフトウェアでは自分のやりたいことがうまく実現できないこともある．そのようなときに自分でプログラムを作る能力があれば，自力で問題解決への道を開くことができる．また日常的にコンピュータで行う繁雑な作業をプログラムで自動化することで大幅に時間を節約することもできる．なお最近はプログラムをAIで生成することも一般的になりつつある．しかし自分でプログラムを作成する能力がなければ，AIが生成したプログラムが期待通りのものであることを確認できない．またプログラムをAIに作らせるだけでは，創造の楽しさを味わえなくなる．本科目ではプログラミング言語Rubyを使った演習をとおして，プログラミングの主要なトピックを一通り学んで，プログラミングの基本的な技能を身につけることを目的とする．

・プログラミングの基本的な技能を一通り身につける．
・GUIを備えファイル入出力をともなって大量のデータ処理を行うようなプログラムが作成できるようになる．
・さまざまな問題(日常的な作業も含む)をプログラムによって解決する方法を見出す経験を積んで，自分の課題に応用できるようになる．

この授業で予定している内容は，おおよそ以下のとおりである．

01. イントロダクションと演習環境の試用
02. タートルグラフィクスのプログラムの作成
03. プログラムで扱うデータをモデル化する(変数)
04. プログラムの部品を作る(メソッド)
05. 「繰り返し」を構造化する(ループ)
06. 条件に基づいて処理する(条件に基づくループと条件分岐)
07. 一連のデータを系統的に扱う(配列)
08. ファイルを利用してデータを処理する(ファイル入出力)
09. 問題を分解して結果を統合する(再帰的処理)
10. プログラムをデータとして扱う(手続き)
11. データと処理機能を構造化する(オブジェクト)
12. プログラムを使いやすくする(GUI)
13. 総合的な問題(RSA公開鍵暗号)に取り組む
14. オリジナルのプログラムを制作する
15. 授業フィードバック

【備考】

本科目では，高等学校で「情報I」を履修済みである受講生が多いことを想定するが，「情報I」での学習環境が多様でありうることを考慮し，また2回生以上の「情報I」を履修していない受講生への対応も考慮する．

受講者はコンピュータの基本的な使い方を身につけていることが求められる．プログラミングの経験はとくに問わない．

授業で扱うトピックごとに内容を理解してプログラムを作成できるようになること, また最終的には学習したスキルを活かして，自分でテーマを設定してオリジナルのプログラムを作成できるようになることが求められる. 授業ではトピックごとにプログラム作成の課題を設定する．各課題について難易度に応じた標準点を設け, 提出された成果物が課題の条件をどの程度満たしているかに基づいて課題ごとの評点を決める．未提出の課題については評点は0点とする．また主要なトピックについては，プログラム作成の課題とともに理解度確認のための課題をあわせて設定する．すべての課題の評点の合計に基づいて科目の評点を算出する．プログラム作成の課題については，大半のトピックで課題を3つ設ける．また作成するプログラムについては課せられた条件を満たした上で拡張を行うなど独自の工夫があれば積極的に評価する.課題のプログラムをAIに作成させることは認めない(自分の力でプログラムを作成できるようになることを求める)．

授業で学習する各トピックについて，概念・用語などを書籍などで事前に調べ，また可能であれば簡単なプログラムを動かしてみることで，演習にスムーズに取り組めるようにしておくことが望ましい．またプログラミングスキルを磨くには，経験を積み上げることが重要であり，授業での学習の後に学習したトピックに関連するさまざまなプログラムを作成し，動かしてみることで理解を深めることが求められる．

授業時間外においては，必要であれば担当教員にメールでコンタクトをとること．メールアドレスは授業中に示す．なお本科目では受講者数を適正な規模に保つために履修人数制限を行う予定である．

演習のために各自がノートパソコンを持参して利用することを前提としている．演習には「仮想型端末」(情報環境機構の教育用PCサービス)を利用する．ノートパソコンに演習のためのソフトをインストールする必要はない．なお教室ではネットワークと電源が利用可能である．

本講義では、特定のハードウェアやソフトウェアに依存しない情報技術の基礎および人工知能(AI)について理解させる。２回生以降の学びの動機付けとなるように、物理工学科と関連のある分野で情報技術がどのように活用されているかについての紹介も合わせて行う。

コンピュータの動作原理、情報量・圧縮の基本的概念、人工知能(AI)の基礎、計算・アルゴリズム・計算量の基本的概念、コンピュータネットワークの基本的概念を理解する。

授業回数はフィードバックを含め全15回とする．

コンピュータの動作原理 (3-4回) : 計算機の歴史、計算素子の原理、組合せ回路・順序回路、CPUの構造など、コンピュータによる計算の仕組みを概観する。(近藤)

情報とメディア (2-3回) : 種々の情報メディアと情報量、データの圧縮、誤り訂正など、情報理論と符号に関する基本的な概念を習得させる。(近藤)

人工知能(AI) (3回)：人工知能、パターン認識、データサイエンス、機械学習、ニューラルネットワークなど、コンピュータが知的な処理を行う原理を理解させる。生成系AIの利用など、現代社会における情報倫理を理解させる。（近藤・中村）

計算とアルゴリズム (4-5回) : アルゴリズム、計算量、問題の定式化など、計算の基本的な概念を習得させる。プログラムとプログラム言語の概念をコンピュータの動作と関連付けて理解させる。(中村)

コンピュータネットワーク (0-1回) ： インターネットの歴史、LAN、WAN、プロトコルなど、コンピュータネットワークの基本的な概念を習得させる。(中村)

ただし，受講者の理解度や進捗により各回の内容や回数が前後する場合がある．

特になし

コンピュータの計算原理、AIに関する基本的な知識、アルゴリズム・計算量・プログラムの基本的な概念、コンピュータネットワーク、情報倫理の基本的な概念を理解していることを評価する。
毎週の課題に基づいた平常点、および、定期試験(筆記)を総合し、配点については平常点30%、筆記試験70%を目安とする。

対象とする範囲が広いため、授業中に深く掘り下げることはできません。気になった項目や、わからなかった項目については自分でWebや本などで調べ直す必要があります。この科目の内容に関する情報は比較的簡単に手に入ります。

「情報AI基礎演習」を履修しておくことが望ましい。
また本講義で予定している情報倫理の講義に関連して、情報セキュリティに関するe-learning講義を、本講義の受講期間中に受講すること。詳しくは、https://www.iimc.kyoto-u.ac.jp/ja/services/ismo/e-learning/ を参照してください。

Information technology profoundly impacts all aspects of modern society, including daily life, economics, governance, education, and various industries. It is, therefore, essential to acknowledge the historical development of information science and the evolution of its influence on our society if we aim for a deeper understanding and broader perspective on information-based societies. This lecture will provide foundational knowledge of information technology and the relationships between information technology and society. The course delves into the social impacts of Information and Communications Technology (ICT), information handling, information economics, intellectual property, media literacy, and social media.

The students will be able to articulate the impacts of ICTs on society and the critical issues related to the information economy and information society. They will also be able to develop their perspectives on information technologies, information ethics, and their interactions with society.

1. Introduction:
Information, information society, Internet, the relation between information, society, and technology (about 2 weeks)

2. Information policy and ethics:
ICT infrastructure and the society, ICT policy in Japan, Society 5.0, Industry 4.0, ethical issues related to the information society (about 2 weeks)

3. Information and education:
Information education, computer literacy, media literacy, information literacy, e-learning, MOOC, blended learning, digital divide, e-books (about 2 weeks)

4. Information and law:
Freedom of expression, right to know, right to be forgotten, information privacy as well as intellectual and industrial property rights such as patents and copyrights (about 2 weeks)

5. Information and economy:
Economic transactions, search/recommendation models for products, information asymmetry, network externality, lock-in phenomenon, path dependence, electronic payments, e-commerce, advertising on the Internet, the impact of the Internet on the economy (about 3 weeks)

6. Information archiving:
Digital content archiving, digital libraries, usage of archived contents, information validity over time (about 1 week)

7. Digital governance:
Digital democracy, digital community, social media, cloud computing (about 1 week)

8. Social computing:
Human computation, crowdsourcing, collective intelligence (about 1 week)

9. Feedback（1 week)

The total number of lessons is 15, including one feedback session.

特になし

The evaluation will be based on your reports for assignments. There are two types of assignments:
- Assignments of short answer questions (50%): Each assignment will cover 2-3 weeks’ lecture contents.
- Two essay writing assignments (1,000 English words) regarding specified topics (50%).

All the assignments will be available via the LMS system.

Students can review the course material after classes (slides).

No office hours are specified. E-mail: rafik.hadfi@i.kyoto-u.ac.jp

Google や Amazon などのクラウドサービスプロバイダの台頭により，様々なコンピュータリソースやアプリケーションを，電気やガス・水道と同じように，必要なときに必要に応じて誰でも簡単に利用できる世界が広がろうとしている．本講義では，クラウド基盤技術をベースとしたクラウドプログラミングによるホームページ作成を通じて，インターネット，HTTP，HTML，Python プログラミング，モデル・ビュー・コントロールによるウェブアプリケーション開発，データベース利用，AJAX など，クラウド環境を利用したアプリケーション構築に必要な知識や技術の概観を講義・実習を通じて学ぶ．これにより，HTTP リクエストレスポンスサイクルを理解し，普段利用しているウェブの世界を技術の面から俯瞰的に理解することを目的とする．

HTTPリクエストレスポンスサイクルを題材にインターネットにおける情報のやりとりに必要となる技術・考え方の基本事項を理解することにより，俯瞰的な思考能力を習得する．

以下の項目について，それぞれ1〜2週の講義・実習を行う予定である．授業回数はフィードバックを含め全15回とする．
　1: イントロ
　2: ウェブ基礎知識 (HTML, CSS)
　3: Python によるプログラミング基礎
　4: クラウド基盤技術の概要
　5: テンプレート
　6: クッキー，セッション
　7: データ永続化
　8: JavaScript および AJAX
　9: クラウド基盤上での実行
　10: 総括

各自が所有するノートパソコン（Windows, Mac, Linux いずれも可）を持参できること（若干数の貸出ノートパソコンの用意あり）．インターネット，電子メール，ワープロについて利用経験がある，もしくは講義期間内に自習できること．また，内容に応じて学習支援システムを用いた30〜60分の予習を求める場合がある．

評価は，「HTML・CSS」「Python プログラミング」「モデル・ビュー・コントロール（MVC）ウェブアプリケーション構築」に関する5回の課題レポートと最終課題レポートを通じて，ウェブの世界を支える要素技術の理解度により判定する．
・課題レポート(5回) 15点 = 75点
・最終課題レポート 25点

課題遂行のため，授業時間と同程度の授業時間外での準備や見直しが必要となる．

本講義では，各自が所有するノートパソコンを使用するとともに，学習支援システムを通じて，教材の提供，オンラインでの質疑，課題レポートの提出・返却を行う．使い方は開講時に指示する．

　情報化・デジタル化が社会に及ぼす影響を理解し、情報機器や情報通信ネットワークなどを適切に活用して情報を収集、処理、表現する能力を養い、情報社会に積極的に参画する態度を育てる。また、情報や情報社会における身のまわりの問題を解決するために、情報の特徴と情報化が社会に果たす役割と及ぼす影響について、思考を深める。
　特に将来グローバルな仕事への従事希望者、ハイテク産業の行政、投資・評価、コンサルティングの希望者、起業志向者、大企業やスタートアップのキーマネジメント志向者、経営管理などに興味をもつ学生にとっては、ITインフラ、サービス関連の全体概要と最新動向に触れる機会を提供する。
　受講者が目的意識をもって今後の専門領域を学習でき、卒業後に実践的な応用ができることを講義目的とする。当該領域で活躍中の第一線専門家による講義も予定している。

　情報化・デジタル化が社会に及ぼす影響を理解し、情報機器や情報通信ネットワークなどを適切に活用して情報を収集、処理、表現する能力を養い、情報社会に積極的に参画する能力の獲得を目指す。また、価値の創出（クリエイティブ・デザイン）と価値の良さがわかる（サービス・リテラシー）人材の教育を行う上での基礎知識を習得する。

１．イントロダクション　担当：松井
２．企業活動と情報システム/社会のデジタル化　担当：松井
３．企業活動と情報システム/経営情報システム　担当：松井
４．企業活動と情報システム/デジタル化を支える基礎技術　担当：松井
５．企業活動と情報システム/デジタル化を支える応用技術　担当：松井
６．企業活動と情報システム/AIのインパクト　担当：松井
７．産業のサービス化　担当：藤田
８．デジタルトランスフォーメーション（DX)　担当：藤田
９．ゲスト　事例紹介「脳科学をビジネスに」　担当：松井
１０．ゲスト　事例紹介「サービス産業」　担当：松井
１１．サービスデザイン１（エスノグラフィ）　担当：松井
１２．サービスデザイン２（デザイン思考、講義）　担当：松井
１３．サービスデザイン３（デザイン思考、演習）　担当：松井
１４．サービスデザイン４（デザイン思考、演習）　担当：松井
１５．フィードバック　担当：松井

特になし

　情報活用社会に対する社会背景、現状分析、課題の認識、解決アプローチ等の習得を目的とし、その習得程度を評価する。評価の方法としては、授業・演習への積極的参加　(20%) 、レポート課題(4回、合計で80%) とする。

事前配布の講義資料および参考書籍の事前学習。講義受講後の講義資料の復習。

受講者が目的意識をもって今後の専門領域を学習でき、卒業後に実践的な応用ができることを講義目的とする。
オフィスアワーに関しては、メールによるアポイントを経ることとする

プログラミング言語 Python は初学者にも学びやすい言語である一方で、さまざまな応用も可能である。近年では学術研究にも利用が広がっている。本授業ではプログラミングの初学者を対象に Python を用いたプログラミングを演習方式で学ぶ。

- Python によるプログラムの編集と実行についての基本操作ができるようになる。
- Python プログラムを構成する基本的要素の機能と書式について説明し、例題を用いて実行例を構成できるようになる。
- Python を用いて簡単なプログラムを自ら設計、実装、テストできるようになる。

- プログラミングについての概説とPython 実行環境の導入と操作、学習法（1回）
- 変数と代入、逐次実行、リスト(1回)
- 制御構造：繰り返しと条件分岐(1回)
- 関数、Turtle グラフィクス(2回)
- Tkinter による GUI プログラミング(2回)
- ファイル操作(1回)
- プログラムの開発手法(2回)
- NumPy, Pandas, Matplotlib を用いたデータの扱いとプロット(1回)
- 振り返り(1回)
- 各自のプログラミング課題への取り組み(2回)
- フィードバック（試験、プログラミング課題の講評)(1回)

Python が実行可能なノートPCを持参して授業に参加すること。ノート PC への Python のインストールについては授業中に指示するので事前に準備する必要はない。

授業での演習や小テスト(70点)、プログラミング課題(30点)により到達目標の達成度に照らして成績をつける

プログラミングは実際にプログラムを書くことを行わなければ身につかない。ほぼ毎回の授業で授業中の課題と宿題（主に実施の容易な予習課題）を課す。また、これとは別に２回のプログラミング課題も課す。教科書の予習復習と併せて2単位の演習科目で想定している授業時間外学習（4時間）に取り組むことを求めるので、授業時間外学習の時間を確保して履修すること。

漠然とプログラミングができるようになりたい、という動機ではプログラミングはなかなか身につかない。授業の中で「こんなことに取り組みたい」という具体的な目標を見出すこと。
受講にあたってプログラミングの経験の有無は問わない。文科系の学生でも十分に履修可能であり、実際に文科系の初学者でも理科系の受講者と同じように合格している。
プログラミングについては生成 AI の利用が進んでいる。授業計画には記載していないが受講にあたって生成 AI の適切な利用について指示する。
特定のオフィスアワーは設けないが、電子メールでの問い合わせなどは随時受ける。