R is a programming language whose purpose is to be able to process and organize data sets, and to represent these data graphically. Since the two last decades, R is widely used by scientists worldwide for data management and statistical analyses. This course aims to get students to start using R for analysing data and interpreting the output of basic statistical tests. Classes are taught in the form of practical exercises on computers.

Upon successful completion of this course students will be able (i) to design and statistically analyse a simple experimental plan using R, (ii) to find and perform by themselves an accurate test for solving their scientific question, even if it has not been specifically addressed during the course and (iii) to produce smart graphics for the presentation of analysed data.

The course will simultaneously address how to use the R language to manage data, to implement relevant statistical tests and to generate graphical output
Course schedule:
1. Introduction
2. object in R: vectors, matrix, functions
3. data frame -importing data
4. Descriptive statistics
5. Programming with R and random numbers
6. Study of the distribution of quantitative variables
7. Importing, managing and analysing data (1)
8. Importing, managing and analysing data (2)
9. Linear model: linear regression
10. Importing, managing and analysing data (3)
11. Linear model: analysis of variance
12. Improving the quality of graphics for a presentation or report
13. Analysing a dataset: building the script and writing a report (1)
14. Analysing a dataset: building the script and writing a report (2)
≪Final exercise≫
15. Feedback

All students are welcome
Students will have to bring their own laptops to use in class that they will also use for homework. Students have to download and install R software and R-studio software before starting the course.

Grading: Homework (three to five, 50%), script and report based on the final exercise (50%).
In no case will English language proficiency be a criterion for evaluating students.
Class attendance is expected: students who are absent more than three times without sound reasons (documented unavoidable absence) will not be credited.

Work not finished in class time should be finished at home. Self-training is recommended: exercises will be provided.

Students are encouraged to ask questions and to make comments during the class.
Students are welcome to arrange appointments by email, even outside the official office hour, for questions and discussion

Python 言語は，プログラムが書きやすいこと，強力なライブラリが存在することなどから，広く使われています。この演習の目的は2つあります。一つは，プログラミングの入門から始めて Python によるプログラミングができるようになることです。もう一つは，手続き的な処理をプログラムに行わせること， データを可視化することなどを通じて，数学の理解を深めることです。ニューラルネットについても触れます。それを通じて，プログラミングを数理的な勉強や研究の道具として用いる能力を身につけます。

Python 言語でプログラムを書けるようになること。
それを，数学の理解，データ処理などに利用できるようになること。
プログラミングによる問題解決能力を高めること。

下記の内容を扱います。全体で 15 回の授業を行いますが，この順番で行うのではなく，簡単な内容から高度な内容へと進むように，順番を組み替えて行います。毎回の内容の詳細は，下記オンラインテキストを参考にしてください。括弧の回数は，それぞれの内容を扱う回数の目安です。

A: Python 言語について，以下のことを学ぶ。(8回)

(1) Jupyter Notebook を使おう
(2) Python プログラミングができるようになろう
変数，制御構造，リスト，関数，クラス定義，再帰呼出し，オブジェクト指向など
(3) numpy, matplotlib　などのライブラリを使おう

B: 数学的現象についてプログラミングを通じて理解を深めるような演習を行う(4回)。
具体的には，次の内容を考えている。

(4) 行列について理解を深めよう
逆行列，固有値と固有ベクトル，線形変換などについて，プログラミングをすることにより，また，可視化をすることにより，理解を深めよう。
(5) 微分方程式を数値的に解こう
(6) 多腕バンデッド問題とベイズ推定
確率の分からない複数のスロットマシンを引くアルゴリズムを考えよう。それを通して，自分でアルゴリズムを組むこと，確率分布の基本的な考え方，ベイズ推定などについて学ぼう。
(7) ニューラルネットの基礎
Pytorch ライブラリを用いて手書き数字を認識するニューラルネットワークを作ろう。それを通じて，機械学習の基礎を学ぼう。

C: 最終課題(2回)
授業中に具体例として与えた数学的な問題や，その他の問題について，プログラムを書いて実行することにより調べ，Jupyter Notebook を用いて，プログラムとその実行結果を含んだ解説を作ろう。最終回は，それについての発表を行う。

D: フィードバック(1回)

微分積分学A, B, および，線形代数学 A, B を，履修済みであるか履修中であることが望ましい。

授業には，　各自の持っているラップトップコンピュータを使用します。Mac OS あるいは Windows のラップトップを授業に持参する必要があります。

最終課題(50%)以外にも，提出課題をいくつか与える(40%)。また，毎回の演習の時間に行った内容を提出してもらう。それらの課題の出来具合や， 授業に対する取り組み具合も評価する(10%)。

自分のパソコンに pytnon をインストールし，授業の復習をするだけでなく，数学などの授業でアルゴリズム的なことが現れたら，プログラムを書いて，動かしながら理解する癖を身に着けよう。

履修希望者が多い場合は、教室の規模(40人程度)に合わせて人数制限を行います。
　各自の持っているラップトップコンピュータを持参して授業に参加する必要があります。

情報とは何か，情報の処理や計算とはどのようなものか，現在のAI（Artificial Intelligence, 人工知能）とはどのようなものかについて，情報の量，情報の表現，情報の伝達，計算の表現，計算の量，現在のAIの原理，AIと社会の問題などの観点から学ぶ．また，現在のコンピュータ，情報ネットワーク，様々な情報システムなどがどのような仕組みで動いているのかについても取り上げる．

情報とは何か，情報の処理や計算とはどのようなものか，現在のAIとはどのようなものかについて学ぶことにより，情報という観点からの問題の捉え方を身につけることを目指す．また，現在のコンピュータ，AI，情報ネットワーク，様々な情報システムがどのような仕組みで動いているのかについて学ぶことにより，現代情報化社会における知的活動および一般生活において必要となる情報利活用能力の基礎となる知識を身につける．

以下のような内容について授業を行う予定である．

［第一部］情報

01 情報とは何か：主観確率，ベイズの定理（田島）
02 情報の量：自己情報量，エントロピー（Huang）
03 機械のための情報の表現：アナログとディジタル，誤り訂正符号，データ圧縮，公開鍵暗号（田島）
04 人間のための情報の表現：情報の変換，統計データの表現，人間の認知特性，文化依存性（田島）

［第二部］AI基礎

05 AIとは：人間の知能との比較，AIの歴史，タスク分類，生成AIでできること（Huang）
06 AIの動作原理：深層学習， GPT ，自己教師つき学習，指示学習，強化学習（Huang）
07 自然言語処理, 機械翻訳 （Huang)
08 AI利用の留意点：倫理的・法的・社会的課題，著作権，学業で利用する際の心得（東風上）
09 ヒューマンインタフェース, ヒューマンロボットインタラクション（東風上）

［第三部］計算

10 計算とは何か：論理回路，有限状態機械，チューリングマシン，ラムダ計算，コンピュータ，計算不可能な問題（田島）
11 計算の表現と量：アルゴリズム，漸近的計算量（田島）
12 計算のための情報の表現：データ構造，関係，グラフ，一意性，冗長性（田島）
13 複数処理の実行・複数主体による処理：スケジューリング，並列処理，分散処理，OSの役割，インターネットの仕組（田島）
14 情報に基づく意思決定：ゲーム理論（田島）
15 フィードバック（田島・東風上・Huang）

特になし

授業期間中にほぼ毎週課す課題に対する提出内容（20%）および期末試験（80%）により評価を行う．評価の際には，本講義で学ぶ「情報とその表現や処理およびAIとはどのようなものか」「コンピュータやAIや情報システムはどのような原理で動いているか」などの知識について，その技術的な詳細を正確に覚えているかどうかよりも，各所各所の要点，および，それらの間の関係の全体像を，自分の言葉で説明でき，かつ，他の分野に応用できる程度に体得できているかを評価する．

授業資料や演習問題の解説資料などを用いて毎授業ごとに復習を行うこと．また，事前に授業資料が配布されるなどにより授業内容が事前にわかっている回については，取り上げられる概念などについて各自で調べて予習を行うこと．

オフィスアワーはメールによる事前予約のこと．メールアドレスは以下の通り（「＠」を「@」に置き換えること）：
田島：tajima＠i.kyoto-u.ac.jp
東風上：kochigami＠robot.soc.i.kyoto-u.ac.jp
Huang：huang＠nlp.ist.i.kyoto-u.ac.jp

This course covers the fundamental concepts of information representation, computer hardware, operating systems, artificial intelligence (AI), the technical background of networks and the Internet, and other related topics.

To understand the fundamental concepts of information representation, computer hardware, operating systems, artificial intelligence (AI), the technical background of networks and the Internet, and other related topics.

0. Introduction to informatics and AI [1 week]

1. Representing information as bit patterns [5 weeks]
1-1. The binary system
1-2. Representing integers
1-3. Representing fractions
1-4. Representing text
1-5. Representing other information

2. Computers and their peripherals [3 weeks]
2-1. Computer architecture
2-2. CPU and main memory
2-3. Storage devices, input and output devices

3. Operating system and AI [3 weeks]
3-1. Operating system architecture
3-2. Coordinating computer's activities
3-3. AI fundamentals

4. Networking and the Internet [2 weeks]
4-1. Network fundamentals
4-2. The Internet

5. Final Examination

6. Feedback [1 week]

特になし

Quizzes and exercises (40%), final examination (60%)

Students are expected to dedicate one hour or more per week to course material, primarily for previewing content and reviewing lectures. More than half of this time should be focused on preparing for class and completing assignments.

Any inquiry to the instructor: chang.kaichun.4z{at}kyoto-u.ac.jp. (replace {at} with @)

Society is currently in the middle of an "AI boom", with machines seemingly able to perform tasks which would have been very difficult even a few years ago. In this course we explain what enables computers to successfully learn like a human does. We start from discussing fundamental machine learning models such as linear and logistic regression to more recent breakthrough architectures such as transformer models. We will also apply AI to conversational agents.

Students will gain an understanding of machine learning techniques and architectures and also how to construct basic models. They will also know how to properly evaluate AI models using real data.

Society is currently in the middle of an "AI boom", with machines seemingly able to perform tasks which would have been very difficult even a few years ago. In this course we explain what enables computers to successfully learn like a human does. We start from discussing fundamental machine learning models such as linear and logistic regression to more recent breakthrough architectures such as transformer models. We will also apply AI to conversational agents.


1. Artificial intelligence (1 week)
We will discuss the current AI boom. What does it mean for society? Can we say that AI is truly "intelligent"? We will then explain how machine learning can be linked to concepts of human intelligence.

2. Data collection and analysis (1 week)
Collecting data is the first step in training machine learning models, so we will discuss how a wide range of data can be collected, either by using publicly available corpora or collecting it ourselves. We also show how to get quality data to match the goal of our AI models.

3. Machine learning basics (4 weeks)
In this set of lectures we focus on the fundamental concepts of machine learning. We review basic mathematics required to study machine learning, including vectors and matrices and begin with simple supervised linear and logistic regression models to introduce machine learning concepts. Best practices in training and testing models will also be provided. These will be accompanied with Python code so students can run their own models. We will also introduce the important concept of latent spaces through unsupervised learning.

4. Neural networks (2 weeks)
Once the concepts of machine learning are understood, we move on to neural networks, which are responsible for the breakthroughs in the current AI boom. We describe the basic architecture of these models and how they can be extended to tasks such as a image recognition and language processing.

5. Modern AI (2 weeks)
We will introduce two techniques which have revolutionized AI models in recent years. Firstly we look at transformer models which are the backbone behind large language models like ChatGPT. Then we will take a look at state-of-the art models for image generation. Emphasis will be placed on understanding the general concepts behind these techniques.

6. Evaluation (1 weeks)
We take a special look at the evaluation of AI models. Common mistakes related to bias and evaluation metrics will be discussed to reinforce good practice when testing and evaluating models.

7. Application: conversation (3 weeks)
AI has triggered the development of sophisticated conversational systems. We will discuss the techniques behind some of these systems. Students will also have the opportunity to create their own conversational system using LLMs and simple tools. Finally we discuss the influence of AI on society at large and future prospects.

8. Final exam

9. Feedback

特になし

Attendance and participation (20%), assignments (40%) and a final exam (40%).

Students should aim to review course content for 30 minutes before and after class and if possible practice programming on their own machines using Python.

This course is an introduction to the Python programming language for students without prior programming experience. Python is a beginner friendly programming language that is widely used in academic research and industry. In the course students will learn about basic programming concepts and how to write their own simple programs using Python.

Students will learn the basics of programming using the Python programming language, including data types, conditionals and loops, basic data structures, functions and the fundamentals of object oriented programming.
They will also learn how to solve real-world problems by designing, writing and testing their own Python programs.
After attending the course students should be able to:
- Understand the fundamentals of programming (variables, control structures, data types, etc.)
- Understand and modify simple Python programs
- Design, implement and test their own simple programs

The course consists of 14 class sessions and one feedback session.
The tentative schedule is as follows:

Introduction (1 session)
- Computer hardware and programming languages
- Installing and using Python
- Editing, saving and running a script.

Basic syntax and data types (1 session)
- Variables, naming rules and comments
- Assignments and basic data types
- Input and Output

Control structures (2 sessions)
- Boolean values and Conditional statements
- Loops
- Logical and Bitwise Operations
- Lists and Collection data types

Functions (1 session)
- Writing and Calling Functions
- Function Inputs and Outputs
- Scope

Modules and packages (1 session)
- Concept of modules
- Importing modules
- Some important built-in modules

I/O and error handling (1 session)
- Reading data from a file
- Writing data to a file
- Error handling and exceptions

Object oriented programming with Python (2 sessions)
- Classes, Properties and Methods
- Inheritance

GUI application development (2 sessions)
- Learn how to write simple Graphical User Interfaces (GUIs)

Practice Project (3 sessions)
Students will use the knowledge acquired during the first part of the course to solve a small programming project.
They will be required to
- Select and define a problem
- Propose and implement a solution
- Test the solution

The precise course schedule and contents are subject to change depending on class progress.

Students need to bring their own laptops.

Evaluation will be based on in-class and homework assignments (60%) and final project (40%).

Students should review the material after each class and solve weekly homework assignments.

There is no specific office hour. Students can contact the instructor by email in case of questions.

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.

情報とは何か，情報の処理や計算とはどのようなものか，現在のAI（Artificial Intelligence, 人工知能）とはどのようなものかについて，情報の量，情報の表現，情報の伝達，計算の表現，計算の量，現在のAIの原理，AIと社会の問題などの観点から学ぶ．また，現在のコンピュータ，情報ネットワーク，様々な情報システムなどがどのような仕組みで動いているのかについても取り上げる．

情報とは何か，情報の処理や計算とはどのようなものか，現在のAIとはどのようなものかについて学ぶことにより，情報という観点からの問題の捉え方を身につけることを目指す．また，現在のコンピュータ，AI，情報ネットワーク，様々な情報システムがどのような仕組みで動いているのかについて学ぶことにより，現代情報化社会における知的活動および一般生活において必要となる情報利活用能力の基礎となる知識を身につける．

以下のような内容について授業を行う予定である．

［第一部］情報

01 情報とは何か：主観確率，ベイズの定理（田島）
02 情報の量：自己情報量，エントロピー（Huang）
03 機械のための情報の表現：アナログとディジタル，誤り訂正符号，データ圧縮，公開鍵暗号（田島）
04 人間のための情報の表現：情報の変換，統計データの表現，人間の認知特性，文化依存性（田島）

［第二部］AI基礎

05 AIとは：人間の知能との比較，AIの歴史，タスク分類，生成AIでできること（Huang）
06 AIの動作原理：深層学習， GPT ，自己教師つき学習，指示学習，強化学習（Huang）
07 自然言語処理, 機械翻訳 （Huang)
08 AI利用の留意点：倫理的・法的・社会的課題，著作権，学業で利用する際の心得（東風上）
09 ヒューマンインタフェース, ヒューマンロボットインタラクション（東風上）

［第三部］計算

10 計算とは何か：論理回路，有限状態機械，チューリングマシン，ラムダ計算，コンピュータ，計算不可能な問題（田島）
11 計算の表現と量：アルゴリズム，漸近的計算量（田島）
12 計算のための情報の表現：データ構造，関係，グラフ，一意性，冗長性（田島）
13 複数処理の実行・複数主体による処理：スケジューリング，並列処理，分散処理，OSの役割，インターネットの仕組（田島）
14 情報に基づく意思決定：ゲーム理論（田島）
15 フィードバック（田島・東風上・Huang）

特になし

授業期間中にほぼ毎週課す課題に対する提出内容により評価を行う．評価の際には，本講義で学ぶ「情報とその表現や処理およびAIとはどのようなものか」「コンピュータやAIや情報システムはどのような原理で動いているか」などの知識について，その技術的な詳細を正確に覚えているかどうかよりも，各所各所の要点，および，それらの間の関係の全体像を，自分の言葉で説明でき，かつ，他の分野に応用できる程度に体得できているかを評価する．

授業資料や演習問題の解説資料などを用いて毎授業ごとに復習を行うこと．また，事前に授業資料が配布されるなどにより授業内容が事前にわかっている回については，取り上げられる概念などについて各自で調べて予習を行うこと．

オフィスアワーはメールによる事前予約のこと．メールアドレスは以下の通り（「＠」を「@」に置き換えること）：
田島：tajima＠i.kyoto-u.ac.jp
東風上：kochigami＠robot.soc.i.kyoto-u.ac.jp
Huang：huang＠nlp.ist.i.kyoto-u.ac.jp

関数型プログラミングは、関数を組み合わせてプログラムを構成し、可変状態や副作用を避けることを重視するプログラミングパラダイムである。同じ入力に対して常に同じ出力を返す関数を基礎とするため、数学における関数に近い形で計算を記述できる。そのため、プログラミング作業を論理的な単位に分割して考えやすくなり、より簡潔で信頼性の高いプログラムが書ける。さらに、並列処理や並行処理を含む応用にも適しており、幅広い計算に利用することができる。
本演習では、関数型プログラミングの中心的な考え方と基本的な技法を学ぶ。主な例としてプログラミング言語Haskellを用い、関数の合成による計算、パターンマッチ、再帰、高階関数、遅延評価などの主要な概念を紹介する。また、設計上の選択や概念の違いを比較する際には、他の現代的な関数型プログラミング言語にも適宜言及する。

関数型言語によるプログラミングを通して、コンピュータを利用することを身につける。また、その裏側にある処理方法などからコンピュータそのものの仕組みを理解する。

以下のようなトピックについてそれぞれ1、2週の授業を行う予定である。

1. プログラミング・パラダイムと関数型プログラミング
2. 初めてのプログラムの作成と実行
3. 関数の定義と合成
4. 再帰的定義と帰納的な考え方
5. パターンマッチやガードによる定義
6. 基本的なデータ構造
7. 高階関数
8. 評価戦略
9. 型と型推論
10. 代数的データ型と構造化データ
11. 入出力とモナドによる計算
12. 並列・並行プログラミング
13. 現代的な関数型プログラミング言語の比較

授業回数はフィードバックを含め全15回とする。

学内のITサービスの利用のマナーを遵守できること。コンピュータの基本的な使い方を習得していることが求められる。ノートPCを持参して授業に参加すること。プログラミングの経験はとくに必要としない。

評価は授業内課題および宿題課題に基づいて行う。

基本的には、授業での学習を元に、各トピックに関連するさまざまなプログラムを実際に動かしてみることで理解を深めることが重要である。また、可能であれば事前に、授業で学習する各トピックについて、書籍等に基づいて概念、用語などを調べたり、実際に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。

関連する科目(全学共通科目): 数理論理学A・B

UNIX系OS, ターミナルの利用方法，LaTeXを用いた文書作成方法を学び，数値解析向けプログラミング言語 Octave を用いた演習を行う．情報処理，論文執筆の基礎を習得し，大学生活においてコンピュータを活用するためのAI・情報リテラシー教育を行う．

UNIX系OS に関する基本的事項を理解し，ターミナルコマンドを通して処理を体験することにより，現代社会のインフラとなる計算機技術の設計思想を理解する．Emacs や LaTeXによる文書作成技術を習得し，図・表を含む報告書の作成や論文執筆のための基礎を身につける．数値解析プログラミングの基礎を習得する．

授業回数は全15回とする.

1. UNIX の概説 及び 情報リテラシー (2回)
UNIX系OSの基礎概念と利用方法 及び 情報リテラシーについて習得する．

2. UNIX 操作，ターミナルの基礎(2回)
ファイルシステム，コマンド・シェル等の操作演習を行う．

3. Emacs系エディタ(2回)
Emacs 系エディタの基本操作習得および文字入力の演習を行う．

4. LaTeX(2回)
LaTeXを用いた文書作成法の基礎を習得する．

5. 図・グラフ作成と数値計算(2回)
Octave等を用いた図・グラフ作成法と数値計算，LaTeXにおける利用法を習得する．

6. 総合課題演習(4回)
応用課題に取り組むことによって，本演習で習得した技術の理解と応用力を深める.

7. フィードバック・AI教育(1回)

特になし

小レポート 60点，総合課題 40点 により評価する．レポートではUNIX系OSの知識, コマンドとシェル, Emacs, LaTeX, Octave に関する課題達成状況を評価する．総合課題では，LaTeXによるレポート文書作成 及び Octave の習熟度合いを評価する．

演習時間中に終了しなかったレポート課題は，仮想端末や各自の端末において完了させて提出すること．UNIXコマンド, Emacs, LaTeX, Octave等 演習で学ぶ技術の利用方法について教科書を読むのみならず Web検索 によって調べておくのが望ましい．

注意1. 後期水曜4, 5限に隔週で開講。同じく後期水曜4, 5限開講の学部科目「電気電子工学概論」と合わせて両方の受講登録が可能。
注意2. 演習で「各自のノートPC」と「教科書」を使用するので初回から持参すること。
注意3. 事務室からの通知あるいは掲示板で自身のクラスと開講日を確認し、該当するクラスのみを受講登録すること。
注意4. シラバスシステムの都合で「水曜5限」と表示されることがあるが、正しくは水曜4,5限である。

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。

UNIX系OS, ターミナルの利用方法，LaTeXを用いた文書作成方法を学び，数値解析向けプログラミング言語 Octave を用いた演習を行う．情報処理，論文執筆の基礎を習得し，大学生活においてコンピュータを活用するためのAI・情報リテラシー教育を行う．

UNIX系OS に関する基本的事項を理解し，ターミナルコマンドを通して処理を体験することにより，現代社会のインフラとなる計算機技術の設計思想を理解する．Emacs や LaTeXによる文書作成技術を習得し，図・表を含む報告書の作成や論文執筆のための基礎を身につける．数値解析プログラミングの基礎を習得する．

授業回数は全15回とする.

1. UNIX の概説 及び 情報リテラシー (2回)
UNIX系OSの基礎概念と利用方法 及び 情報リテラシーについて習得する．

2. UNIX 操作，ターミナルの基礎(2回)
ファイルシステム，コマンド・シェル等の操作演習を行う．

3. Emacs系エディタ(2回)
Emacs 系エディタの基本操作習得および文字入力の演習を行う．

4. LaTeX(2回)
LaTeXを用いた文書作成法の基礎を習得する．

5. 図・グラフ作成と数値計算(2回)
Octave等を用いた図・グラフ作成法と数値計算，LaTeXにおける利用法を習得する．

6. 総合課題演習(4回)
応用課題に取り組むことによって，本演習で習得した技術の理解と応用力を深める.

7. フィードバック・AI教育(1回)

特になし

小レポート 60点，総合課題 40点 により評価する．レポートではUNIX系OSの知識, コマンドとシェル, Emacs, LaTeX, Octave に関する課題達成状況を評価する．総合課題では，LaTeXによるレポート文書作成 及び Octave の習熟度合いを評価する．

演習時間中に終了しなかったレポート課題は，仮想端末や各自の端末において完了させて提出すること．UNIXコマンド, Emacs, LaTeX, Octave等 演習で学ぶ技術の利用方法について教科書を読むのみならず Web検索 によって調べておくのが望ましい．

注意1. 後期水曜4, 5限に隔週で開講。同じく後期水曜4, 5限開講の学部科目「電気電子工学概論」と合わせて両方の受講登録が可能。
注意2. 演習で「各自のノートPC」と「教科書」を使用するので初回から持参すること。
注意3. 事務室からの通知あるいは掲示板で自身のクラスと開講日を確認し、該当するクラスのみを受講登録すること。
注意4. シラバスシステムの都合で「水曜5限」と表示されることがあるが、正しくは水曜4,5限である。

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。

UNIX系OS, ターミナルの利用方法，LaTeXを用いた文書作成方法を学び，数値解析向けプログラミング言語 Octave を用いた演習を行う．情報処理，論文執筆の基礎を習得し，大学生活においてコンピュータを活用するためのAI・情報リテラシー教育を行う．

UNIX系OS に関する基本的事項を理解し，ターミナルコマンドを通して処理を体験することにより，現代社会のインフラとなる計算機技術の設計思想を理解する．Emacs や LaTeXによる文書作成技術を習得し，図・表を含む報告書の作成や論文執筆のための基礎を身につける．数値解析プログラミングの基礎を習得する．

授業回数は全15回とする.

1. UNIX の概説 及び 情報リテラシー (2回)
UNIX系OSの基礎概念と利用方法 及び 情報リテラシーについて習得する．

2. UNIX 操作，ターミナルの基礎(2回)
ファイルシステム，コマンド・シェル等の操作演習を行う．

3. Emacs系エディタ(2回)
Emacs 系エディタの基本操作習得および文字入力の演習を行う．

4. LaTeX(2回)
LaTeXを用いた文書作成法の基礎を習得する．

5. 図・グラフ作成と数値計算(2回)
Octave等を用いた図・グラフ作成法と数値計算，LaTeXにおける利用法を習得する．

6. 総合課題演習(4回)
応用課題に取り組むことによって，本演習で習得した技術の理解と応用力を深める.

7. フィードバック・AI教育(1回)

特になし

小レポート 60点，総合課題 40点 により評価する．レポートではUNIX系OSの知識, コマンドとシェル, Emacs, LaTeX, Octave に関する課題達成状況を評価する．総合課題では，LaTeXによるレポート文書作成 及び Octave の習熟度合いを評価する．

演習時間中に終了しなかったレポート課題は，仮想端末や各自の端末において完了させて提出すること．UNIXコマンド, Emacs, LaTeX, Octave等 演習で学ぶ技術の利用方法について教科書を読むのみならず Web検索 によって調べておくのが望ましい．

注意1. 後期水曜4, 5限に隔週で開講。同じく後期水曜4, 5限開講の学部科目「電気電子工学概論」と合わせて両方の受講登録が可能。
注意2. 演習で「各自のノートPC」と「教科書」を使用するので初回から持参すること。
注意3. 事務室からの通知あるいは掲示板で自身のクラスと開講日を確認し、該当するクラスのみを受講登録すること。
注意4. シラバスシステムの都合で「水曜5限」と表示されることがあるが、正しくは水曜4,5限である。

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。

Using the Internet for gathering information, sending e-mails, and online shopping has become a part of everyday life. In this course, students will learn the basic workings of the Internet and how computers communicate across networks. Students will also learn about information security issues and how to avoid potential problems while using the Internet.

The students will learn the basics of the Internet and the various protocols used when devices communicate across the network, understand problems involving information security and how to deal with them, and learn the basic rules governing proper use of information networks.

The course consists of 15 sessions (14 class sessions + 1 feedback session).
We will cover the following topics during the course, and spend one or two weeks on each topic:

1) Overview of the Internet
2) Application Layer (World Wide Web, e-mail, etc.)
3) Transport Layer (sockets, TCP and UDP)
4) Network Layer (IP addresses and routing)
5) Link Layer (LANs and Ethernet)
6) Wireless and mobile networks
7) Security
8) Rules of Internet usage

No prerequisites are required, but it is recommended that the students take an introductory course such as "Basics of Informatics and AI" before this course.

Students will be expected to understand the basic workings of the Internet, information security and proper use of information networks. The student's understanding of these topics will mainly be evaluated by a final report at the end of the course. Evaluation will also be influenced by performance on practice exercises given during the course. Approximately: homework and in-class exercises (50%), final report (50%).

Students should study material related to each topic before class, and review the course material after each class. It is also recommended that students gain first-hand experience of the topics discussed by using computers outside of class.

　アルゴリズムとは「問題を解く手順」のことである。例えば、データの並べ替えや検索といった一見単純に見える処理であっても、多様なアルゴリズムが存在し、処理の効率は大きく異なる。特に近年は、計算機（コンピュータ）が扱うデータ量が膨大となり、アルゴリズムの良否が計算時間に大きな影響を及ぼす。
　本講義では、計算機が問題をどのように解くのか、また、どのような工夫によって効率的に処理できるようになるのか、さらにその効率をどのように評価するのか、といった基本的な考え方を学ぶ。情報系の専門的知識を前提とせず、数理的な厳密さよりも直感的理解を重視する構成とし、計算機による問題解決の基礎的枠組みを身につけることを目的とする。

・アルゴリズムの基本的概念を理解し、その役割を説明できる。
・代表的なアルゴリズムの基本的な仕組みを概念的に理解し、その動作原理を説明できる。
・アルゴリズムの効率の評価方法を理解し、効率の差が計算時間に与える影響を説明できる。

以下のような項目について、それぞれ1〜2回の講義を行う予定であるが、履修者の理解の状況等に応じて適宜調整する。授業回数はフィードバックを含め全15回とする。

第1回〜第14回
・イントロダクション
・データ構造、疑似コード、計算量
・探索アルゴリズム
・ソートアルゴリズム
・分割統治法、動的計画法、バックトラック法
・グラフアルゴリズム
・多項式と行列
・文字列照合アルゴリズム
・問題の複雑さ
《期末試験》
第15回 フィードバック

特になし

授業への積極的参加（20%）、小テスト（5回程度、計30%）、期末試験（50%）により評価する。ただし、4回以上授業を欠席した場合には不合格とする。

教科書の演習問題や配布資料などを用いて、授業後に毎回復習を行うこと。

本講義は文系理系を問わず全学部の学生を対象とする。

情報収集，SNSやメール等によるコミュニケーション，あるいは買い物などでインターネットを利用することはごく日常的なことであり，その利便性は言うまでもない．しかしその利用法が適切でなければ，トラブルに巻き込まれて被害者になったり，そうとは気づかないうちに加害者になることもありうる．またネットワークの利用において不具合が生じたときに，それに対処できる素養は重要である．そこで本科目では，インターネットの基盤とサービスの仕組み，ネットワークを安全に利用するための情報セキュリティ，情報ネットワーク社会における著作権について学び，インターネットをなんとなく利用するレベルから脱却し，インターネットをより適切に利用し，また起こりうる問題を回避する，あるいは問題に的確に対処するための素養を身につけることを目的とする．

インターネットの通信の仕組み，情報セキュリティに関わる問題と対策，情報ネットワーク社会における著作権について理解し，ネットワーク社会で自立することを目指す．

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
02. インターネットの概要
03. インターネットの仕組み --- IPアドレス
04. インターネットの仕組み --- DNS
05. インターネットでの通信の仕組み --- TCP/IP(1)
06. インターネットでの通信の仕組み --- TCP/IP(2)
07. WWWの仕組み
08. メールの仕組み
09. 検索エンジンの仕組み
10. ネットワークサービスの運営の仕組み
11. 情報セキュリティ(1)
12. 情報セキュリティ(2)
13. 情報ネットワーク社会のルール --- 著作権(1)
14. 情報ネットワーク社会のルール --- 著作権(2)
15. 授業フィードバック

コンピュータと情報処理の仕組みを学習する「情報基礎［全学向］」も別途受講することを勧める．

インターネットでの通信の仕組み，情報セキュリティ，情報ネットワーク社会のルールについて理解することを求める. これらの内容に関わる期末レポートの理解度によっておもに成績を評価する．また授業中に演習問題を適宜行う.それらの結果も評価に反映させる.全体として授業中の演習問題について30%，期末レポートについて70%の割合で評価を行う．

授業の各トピックについて予め関係する書籍で学習しておくことで，講義内容の理解を深められるようにすることが望ましい．また授業後には，もう一度内容を振り返ることで理解度を確認し， コンピュータによって確認できる事項であれば，実際に時間外に試してみることを勧める．

授業中はノートPC等のデバイスでLMSの資料を参照することを想定している．授業に出席するにあたってはデバイスのバッテリー残量が十分ある状態にしておくこと．

本講義で予定しているトピックに関連して，下記の情報セキュリティに関するe-learning講義を受講すること．なお，このe-learningは京都大学の全構成員に対して，年度ごとに受講が求められているものです．

情報セキュリティe-Learning
https://www.iimc.kyoto-u.ac.jp/ja/services/ismo/e-Learning/

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.

　初歩的なコンピュータ・プログラミングや，コンピュータ・アルゴリズム，デジタルデータ表現等の，コンピュータによる情報処理の基本的な話題について扱う．これらのトピックを通して，コンピュータおよびソフトウェアは，難解な機構が詰め込まれたブラックボックスではなく，ひとつひとつは単純な仕組みを大規模に組合せて構成されたものであることを理解することを目的とする．また，生成AIの初歩的な動作と利用上の注意事項についても習得する．
　本授業では，アナログ的道具建てを用いたグループワークなどを通してコンピュータ内部の仕組みについて理解を深める履修者参加型授業を一部の授業週で実施する予定である．これによって，コンピュータ内部で起こっている諸々の計算現象についての具体的なヴィジョンを得ることを目指す．従来型の講義形式の授業との組合せによって，得られたヴィジョンと実際のコンピュータ利活用との橋渡しを行う．

以下に掲げる話題を通して、コンピュータの基本的な動作や原理、および生成AIの動作に関して理解する．
○ プログラミング入門
○ コンピュータ・アルゴリズム
○ コンピュータの構成と原理
○ デジタルデータ表現
○ 生成AI

授業回数はフィードバックを含め全15回とする．
以下のような内容について講述していく予定である．(順不同)
○ プログラミング初歩 (４〜５回)
　- プログラミングとは
- 変数と代入・条件分岐
　- 繰り返しと配列
- 構造化プログラミングと再帰
○ コンピュータ・アルゴリズム（４〜５回）
　- アルゴリズムのプログラム表現
　- アルゴリズムの計算量
　- 探索アルゴリズム
　- 整列アルゴリズム
○ コンピュータの構成と原理（２〜３回）
　- コンピュータの歴史と性能向上
　- デジタル論理回路と命題論理
○ デジタルデータ（２回）
　- デジタルデータ表現
　- 2進数および2進数の計算
　- 浮動小数点の計算
○ 生成AIについて（１回）

授業資料の配布・課題の提出・小テスト実施等全てをオンラインで，LMS授業サイトを通して行うため，LMSを利用可能な電子デバイスを事前に各自で用意し毎回持参すること．また，大学のWiFi環境への接続設定とLMSサイトへのアクセスについても事前に確認しておくこと．（電子デバイスは，提出課題のPDFスキャンやLMSサイトにアクセスしての授業資料の閲覧・課題提出・小テストへの入力のために必須である．これらが可能であれば，ノートPCに限らずタブレットやスマートフォンなどを使用しても構わない．）
履修者参加型授業を実施する際には紙媒体が必要となることもあるので，ノートや鉛筆等の筆記用具も持参すること．

平常点(LMSによる課題提出やオンライン小テストの成績を含む)による．ただし，授業への積極的な参加を重視し，積極的でない参加態度や大幅な遅刻等は減点の対象とする．

履修者参加型授業の内容はコンピュータの原理を考察するためのひとつの材料提供であるので，授業時間中はもとより授業後に自分で内容を整理するなどして復習を行うこと．
授業配布資料や小演習課題の模範解答等を適宜学習支援システムLMSを介してオンラインで公開していくので，予習・復習に活用してほしい．

適正規模を維持するため履修制限を行うことがある．
「情報AI基礎演習[理学部]」と併せて履修することが望ましい(特にプログラミング経験の少ない者)．

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。

工学部・地球工学科において，計算機を利用する専門科目の履修や，特別研究を行う上で必要となるプログラミングの基礎と数値計算法を学ぶことを主たる目的とする．また，関連する情報処理の基礎知識，情報リテラシーや情報倫理，情報処理を行う上で必要となるハードウェアとソフトウェアの基礎も同時に習得する．さらに，AIについての基礎知識と基礎的な演習を実施するとともに、地球工学科で行われている情報処理や数値計算に関する具体的な研究事例を授業で紹介し，それらを理解することで，本授業で学んだ知識がどのように専門課程で役立つかを理解することも目的としている．

工学部・地球工学科で必要とされる計算機を利用する専門科目の履修や，特別研究を行う上で必要となるプログラミングの基礎, 数値計算法, AIに関する基礎的知識を理解する．
さらに，地球工学科における情報処理や数値計算を利用した具体的な研究事例を理解することで，同学科における情報処理技術のさまざまな活用方法に関する基礎知識を身につける．なお，関連する情報リテラシーや情報倫理も習得する．

以下の内容について講義を行う。授業回数はフィードバックを含め全15回とする。

１．コンピュータの基礎と情報リテラシー（1回・担当：廣井）
コンピュータの歴史，仕組み，基本システムを理解するとともに，コンピュータで各種情報を扱う上で必要となる情報リテラシー，情報倫理について講義を行う．

２．情報処理の基礎（1回・担当：島田）
　情報処理とは何か、データベース、地理情報システム、ビッグデータ、人工知能などの情報処理システムの基礎とAIについての基礎事項について講義を行う

３．アルゴリズムの設計（1回・担当：島田）
　ソート，探索，高速フーリエ変換，動的計画法など，工学部地球工学科で必要となる代表的なアルゴリズムの設計の基礎について講義を行う．

４．さまざまなプログラミング言語（1回・担当：廣井）
　プログラミング言語の歴史、機械語、アセンブリ言語、高水準言語、コンパイラ、オブジェクト指向プログラミングなどについて講義を行う．

５．プログラミングの基礎（5回程度・担当：菊本）
Python、Matlab、Juliaなどのプログラミング言語の基本的な使い方と特徴について解説し、演習を通じてプログラミングの基礎を習得する。具体的には、基本操作、変数、データタイプ、繰り返し、分岐、行列計算および数値計算の基本について講義する。また、基本的なアルゴリズムの実装に取り組むとともに、これらのアルゴリズムの効率とパフォーマンスや生成系AIを利用したプログラミングについて解説および演習を行う．

６．さまざまな情報処理（2回・担当：柏谷）
　オープンソースのデータ解析・処理言語を用いた情報処理について実際に演習をしながら学ぶ．

７．地球工学と情報処理（3回・担当：柏谷・島田・廣井）
　工学部地球工学科における情報処理技術の活用事例や，各種の実測・実験データ解析，また数値計算等を利用した具体的な研究内容の紹介を行う．

８．フィードバック（1回）

特になし

出席と参加の状況など授業に取り組む姿勢を総合的に勘案して行う。原則として各回に出された課題の成績を70%、授業への取り組みを30%程度として成績評価を行う。

復習は，授業資料をもとに進めること．

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 のプログラム作成を通じて、プログラミングの基礎を学ぶとともにプログラミングの基本的な概念を習得する。

- プログラミングの基本的な知識を理解する
- Pythonでプログラム開発を行うための実践的なスキルを習得する
- 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(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。

パーソナルコンピュータ (PC) の利用経験が浅い学生を主な対象とし、大学での学習や将来の研究活動においてPCを活用するために必要となる基礎的な知識と技能を修得することを目的とする。PCの基本操作、情報セキュリティと情報倫理、人工知能 (AI) の基礎と活用、情報検索の方法、データ分析の基礎、レポート文書やプレゼンテーション資料の作成法、PCを自在に操るために必要となるプログラミングの基礎について実践的に学ぶ。

・パーソナルコンピュータとネットワークを利用する際の基礎的な操作と安全な利用のためのスキルを得る。
・大学図書館が提供している学術情報とその利用法を知る。
・ワードプロセッサを用いて、学術的な文書を適切に作成するために必要な概念と操作技能を得る。
・表計算ソフトを用いて、データの処理を行う基礎的技能を得る。
・プレゼンテーションソフトを用いて、学術的プレゼンテーションを行うための基礎的技能を得る。
・コンピュータがプログラムによって動くという動作原理について、実際のプログラミングを通じて体験的に知る。

授業では以下の内容について学習する。初回にガイダンスを行う。

コンピュータの基礎とネットワークの利用（2週）
・PC とオペレーティングシステム (OS) の基礎
・ネットワークの基礎
・情報セキュリティと情報倫理
・生成AIの利用と留意点
情報の探索（1週）
・図書館が提供する情報リソースに加え、学術情報の流れ及び情報探索法の基本を概説する。
（協力：附属図書館研究開発室教員、附属図書館・吉田南総合図書館職員）
コンピュータによるコンテンツ作成（7週）
・文書作成の基礎 (Word)
・データ分析の基礎 (Excel)
・プレゼンテーション資料作成の基礎 (PowerPoint)
プログラミングの基礎（4週）
・プログラミングの概要
・変数によるモデル化
・条件分岐・繰り返しなどの制御構造
・プログラミングによるデータ分析
フィードバック（1週）

注：高等学校の新学習指導要領を踏まえ、授業で扱うトピックの検討を随時行っている。このため、上記内容の一部を変更する場合がある。

所属学部のクラス指定の「情報基礎演習」が開講されている場合は、［全学向］の「情報基礎演習」を履修しても卒業要件を満たす科目として認められないことがあるので、各自で所属学部に必ず確認すること。

授業内で演習を行うため、受講者は各自のPCを教室に持参すること。

各トピックに関連する課題やレポート課題等の提出物の内容によって評価する。
レポート課題は、授業で学習した内容を踏まえているか、記述が明解か等の観点により評価する。
すべての課題・レポート等について、内容に応じて重み付けをした合計得点を最終成績とする。

授業時間外の学修として、トピックごとに設ける課題・宿題について取り組むことを求める。
情報環境機構が提供する情報セキュリティe-Learningを各自で授業時間外に受講すること。

教室定員を超えた場合は、無作為抽選により受講者を決定する場合がある。
質問は随時メールで受け付ける。
先行的な内容を実施するため、授業内容の一部を変更することがある。