データ科学は科学研究の基本の一つであり、本学においても研究科を問わず、多様な分野において活用されている。本科目では、データ科学的手法に関する知識と技術の習得を目的とする。データ科学的手法は扱うデータや分野によって多岐にわたるが、データ科学に関連する知識・技術を広く習得することは、研究の多様性への適応力を育むことにも繋がり重要である。
本科目ではデータ科学を広く概観するため、データ科学イノベーション教育研究センター所属教員を中心に複数の教員がリレー講義と演習を行い、様々な領域におけるデータ科学の現状と可能性について理解を深めることを目標とする。

大学院入学までの間に必ずしも十分なデータ科学教育を受けられなかった学生、もしくは学び直しを目指す学生を主たる対象とし、文部科学省が定める数理・データサイエンス・AI教育プログラム　リテラシーレベル(MDASH Literacy)レベルの復習から始め、同プログラム応用基礎レベル(MDASH Advanced Literacy)もカバーしたうえで、大学院レベルで求められるデータ科学的手法について学ぶ。
具体的には以下の2つを目標とする。

1.　様々な領域におけるデータ科学的手法の現状と可能性について理解できるようになる。
2.　実習を通じて、Excel・R言語・Python・JMP Pro等を用いてデータ分析に必要な基礎的な処理ができるようになる。

5月〜7月の日曜日を中心に集中講義・実習形式で開講する。
なお開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮し、オンライン・オンデマンド型で実施する。
データ科学イノベーション教育研究センター所属教員と出身教員等（ゲストスピーカー）が、以下の内容や関連した手法について合計15回のリレー講義と演習を行う。

1.　導入
2.　クロス集計表
3.　区間推定
4.　2群間の平均の差
5.　分散分析
6.　相関
7.　回帰
8.　因果推論
9.　まとめ

なお、各教員は、各自の様々な専門領域でのデータ科学実用例などを講義・実習で用いる予定である。

特になし

7人程度の教員が分担するが、各教員が個別に課す課題（15％程度）を合計して評価する。

参考書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧や質問の提出を求める。

【メディア授業科目】
講義中に教員との連絡方法について指示する。

大量データの解析方法を扱うデータ科学は、科学研究のみならず高度情報化社会を支える基礎となっているが、コンピュータ上で複雑な現象を再現する数値シミュレーションの分野でもデータ科学の手法が活用されている。特に、気象予測においては、観測から得られる情報を数値シミュレーションに取り入れる「データ同化」と呼ばれる統計科学的な手法が用いられており、予測の精度向上に威力を発揮している。また、数値シミュレーションを用いた不確実性の評価、リスク評価などにおいてもデータ科学の手法が有効である。本講義では、気象予測・予報で用いられるデータ同化を題材に、数値シミュレーションによる現象の再現・予測・不確実性評価などに利用されている統計的手法を取り上げ、その基本的な考え方や実装方法を基礎から解説する。

データ同化などの基礎となる空間データ解析、時系列データ解析手法の基本的な考え方を理解し、それらが数値シミュレーションの分野でどのように活用されているかを理解する。

(1) 導入と数学的準備
背景，確率分布，行列の計算
(2) 最小二乗法とその拡張
最小二乗法，拘束付き最小二乗法，ベイズ推定の基礎
(3) カルマンフィルタ
カルマンフィルタ，その実装
(4) アンサンブルカルマンフィルタ
アンサンブルカルマンフィルタ
(5) アンサンブル変換カルマンフィルタ
アンサンブル変換カルマンフィルタ，局所化
(6) 4次元変分法
アジョイント法，4次元アンサンブル変分法
(7) 粒子フィルタ
粒子フィルタ
(8) 時間があれば，その他関連する話題を紹介する

共通教育における微積分学・線形代数学・統計学入門程度の内容を理解していることが望ましい。
また、プログラミング(言語は問わない)や数値計算の入門程度の知識があることが望ましい。

講義中に課すレポートの内容により、到達目標への到達度を評価する。

予習の必要はないが、「データ科学：理論から実用へ演習」を受講するなどして復習を行うことが望ましい。

講義中に教員との連絡方法について指示する。

講義科目「データ科学：理論から実用へ」の内容について、実データとコンピュータによる実践的演習を集中講義として行う。

「データ科学：理論から実用へ」の内容について、講義中に開設した数理的理論に基づいてコンピュータを用いて実データを処理する手法を習得する。

システムの時間発展を再現するために、データの情報を数値シミュレーション取り入れる手法である「データ同化」について、すぐにプログラム作成可能な単純なシステムを題材に、基本的な手法をPython言語で実装する実習を行う。手法としては、次の中から進度と理解度に応じて選択する。最小二乗法、拘束付き最小二乗法、カルマンフィルタ、アンサンブルカルマンフィルタ、アンサンブル変換カルマンフィルタ、粒子フィルタ、アジョイント法

「データ科学：理論から実用へ」を履修していることを前提とするが、内容を自習することにより本講義だけを受講することも可能である。必要な知識は「データ科学：理論から実用へ」に準ずる．演習ではPython言語を使用する．Pythonプログラミングの経験がない者の受講は妨げないが、何らかのプログラミング言語および数値計算の入門程度の知識があることが望ましい。

演習課題によって評価する。

「データ科学：理論から実用へ」の内容を復習・自習して臨むことが望ましい。

データ科学は科学研究の基本の一つであり，本学においても研究科を問わず，多様な分野において活用されている．データ科学の範疇はデータの処理・分析だけではなく，データの収集・整理，分析結果の公表・評価まで多岐に亘るが，一方で分野それぞれ得意とするもしくは重要視する範疇は異なることがある．本科目ではその欠を補うため，それらデータ科学の知識と技術を総合的に習得することを目的とする．習得には，データ科学イノベーション教育研究センターの提供するデータサイエンススクール等の課外スクールにおける講義演習を通じて行う．スクールでは様々な分野でデータを扱う専門家に登壇してもらい，分野横断的にデータ科学を展望することを目指す．

多角的なデータ科学の素養（収集，整理，処理，分析，公表，評価）を身につけることを目標とする．その到達のために，講義によってデータ科学的手法の知識を習得し，同時に演習によってその技術を習得する．

データ科学イノベーション教育研究センターが前期期間に提供するデータサイエンススクール等の課外スクールにおいて，データ科学的手法を体験しながら実践的に学ぶ．スクールは講義と演習を組とする形式で行われる．スクール当日の講義演習を行うだけでなく，スクール毎に設定されるレポート課題に取り組む．スクールの開講については，後日掲示やKULASIS，LMS等で開講するスクールの概要・準備内容・参加要項の連絡を行う．令和８年度は 「機械学習トレーニング」など６月〜９月の間に開講を予定している．また，詳細や過去の実績は以下のURLのスクールの情報サイトにも掲載する．http://ds.k.kyoto-u.ac.jp/events/

データサイエンススクールに前期期間で述べ8時間以上参加できること（1時間は90分1コマの換算）．

データ科学イノベーション教育研究センターにおいて複数回実施されるデータサイエンススクール等の課外スクールに，前期期間で合計8時間以上参加すること（1時間は90分1コマの換算）．各スクールは2時間もしくは4時間で構成される．スクールでの演習内容とスクール毎に設定されるレポート課題を提出する．レポート課題にはプログラミング演習も含む可能性がある．そのレポートの内容によって到達目標への到達度を評価する．

データサイエンススクールの内容を深く理解するために，自己所有PCや計算機室の利用などによって，学生各自で演習の復習を行うこと．

【メディア授業科目】

　オープンサイエンスが学術界の様々な場面で推進されている今、これまでのように研究計画に基づいて調査研究を行い、論文として刊行して終わりという学術研究のサイクルではなく、研究の様々な段階で、学術情報を必要に応じて整備・オープン化して、その情報を活用することが求められています。本授業では、オープンサイエンスの定義や国内外の動向を学んだ上で、論文・データの出版・公開などにおけるオープンサイエンスの各側面を体系的に学び、自身の研究において具体的に実現可能な取組み等の検討が可能になることを目指します。

● オープンサイエンスの概念と国内外の動向を体系的に理解し、自身の研究分野における意義と課題を説明できるようになる。
● 論文や研究データをオープンな形で管理・公開するための具体的な手法とツール（研究データ管理（RDM）、リポジトリ、プレプリントサーバー）の重要性を理解し、実践的意義を説明できるようになる。
● 自身の研究テーマに基づいて、具体的なオープンサイエンスを実践する研究計画の立案を行えるようになり、他者に説明できるようになる。

授業は以下の内容を予定している。ただし進行状況などによって、講義の内容や順番を変更する可能性がある。

第1 回: オープンサイエンス入門：なぜ今、どのように学術をオープンにするのか？（担当：村山）
● オープンサイエンスとは何か？ (定義、歴史的背景)
● 国内外のオープンサイエンスの動向と主要な政策
● 伝統的な学術研究の課題とオープンサイエンスの必要性
● オープンサイエンスがもたらすメリット (透明性、再現性、社会への貢献)
● 研究者のキャリアパスとオープンサイエンス

第2 回：オープンサイエンスの歴史と現代 （担当：村山）
● 研究データ管理（RDM）の歴史
● 現代の情報通信技術（ICT）基盤におけるRDM の理念
● 電子情報の脆弱性と永続的識別子（DOI、ORCID など）の意義
● データ管理計画（DMP）の在り方と考え方

第3 回：オープンアクセス：論文の壁をなくす （担当：西岡）
● オープンアクセスの背景
● オープンアクセスの方法(グリーンOA、ゴールドOA)
● 論文公開プラットフォームの利用方法 (リポジトリ)
● プレプリントの広まりとプレプリントサーバ
● 著作権とライセンス (クリエイティブ・コモンズ・ライセンス)

第4 回: 研究データ管理（RDM）：データを正しく扱うための基本 （担当：沼尻）
● 研究データとは何か？
● RDM について（定義、意義、研究ライフサイクルにおける位置づけ）
● データ管理計画（DMP）の策定
● データの整理、命名規則、メタデータ
● データの保存とバックアップ
● 演習：自身の研究データを想定して、簡単なDMP を作成する。

特になし

【方法】レポート試験：60％・コメントシート（各授業ごと各10%） ：40％
【観点】オープンサイエンスの意義を理解する。またその実践を自分の研究・専門分野に即して考えられる。

授業外学習として課題を課す。

　決まったオフィス・アワーは設定していない。面談を希望する場合は、担当教員とメールにて日時を決定する。

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 9/1, 9/2, 9/4
KATSURA Campus on the following dates: 9/8, 9/9, 9/11
YOSHIDA Campus on the following dates: 9/15, 9/16, 9/18

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This may include recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 9/1, 9/2, 9/4
KATSURA Campus on the following dates: 9/8, 9/9, 9/11
YOSHIDA Campus on the following dates: 9/15, 9/16, 9/18

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This may include recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 9/1, 9/2, 9/4
KATSURA Campus on the following dates: 9/8, 9/9, 9/11
YOSHIDA Campus on the following dates: 9/15, 9/16, 9/18

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This may include recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

‐

‐

‐

日本語・日本文化研修留学生限定

‐

‐

次世代シーケンサー（NGS）の台頭により、生命科学研究においてもこれまでとは桁違いのビッグデータをベースに研究をすることが必須になってきている。これからの生命科学研究者はその膨大な情報を自ら読み、理解し、解析する力が問われている。

本科目では、情報科学と生命科学という２つの分野を融合していく上で必須となる知識と技術を提供する。生成AIの登場で誰もが情報科学的なツールに触れることができるようになったが、大規模データ（ビッグデータ）から真に重要な情報を取り出すためには、原理を知り、基礎技術を固めることが欠かせない。

まず、講義パートにおいて、これまでのシーケンス技術の発展を歴史的に俯瞰し上で、実際にNGSを用いた最前線の研究例を紹介する。続く演習では、NGSが出力するデータに実際に触れ、UNIXやR、Python等を用いた解析を行い、数字・文字の羅列であるビッグデータから、生物学的な意味を抽出する。ビッグデータを扱ったことのない初学者でも、2日間の講義・演習でNGS解析ができるレベルにまで引き上げることが目標である。化学研究所のスパコンに各自の端末を接続する形式で行うため、大規模な計算を行う際のノウハウについても学ぶことができる。

生物学・生命科学におけるビッグデータの扱い方を基礎から体験しながら学べる機会であり、本科目を受講しておくことで、自分自身の研究でデータ分析が必要になった際に大きなアドバンテージを得ることができるであろう。

多様な研究科や研究所に所属する同年代の大学院生とネットワークを形成する絶好の機会でもある。2日間の濃密な時間を共に過ごす中で、充実した大学院生活を送る足場を築くきっかけにしていただければ幸いである。

実習パートについては、日本語版のほかに、英語版の実習テキストも用意する予定である。英語話者については、英語での対面指導を行うことが可能である。

----

With the advent of next-generation sequencing (NGS), life science research increasingly relies on the analysis of large-scale biological data. Future researchers are therefore required to independently read, understand, and analyze such data.

This course provides essential knowledge and practical skills for integrating information science and life science. Through lectures and hands-on exercises, students will learn the fundamentals of NGS technologies and data analysis using UNIX, R, and Python, and will gain experience in extracting biological meaning from big data. Even beginners with no prior experience in big data analysis are expected to acquire basic NGS analysis skills within the two-day intensive course.

The course is conducted using supercomputing facilities, allowing students to also learn practical approaches to large-scale computation. This course offers a strong foundation for data-driven research in biology and life sciences and provides an opportunity to build a network with graduate students from diverse research fields. English instructional materials and in-person guidance in English are available for the hands-on exercises.

[1] 次世代シーケンサーの原理・特徴について説明でき、様々な解析手法と応用研究について理解できること。
[2] 基本的なUNIXコマンドについて理解し、ターミナル上で自由に操作することができること。
[3] 次世代シーケンサーが出力するファイル形式を理解し、その解析に必要なソフトウェアについて理解・操作することができること。
[4] 次世代シーケンサーが出力する数字・文字の羅列であるビッグデータから、生物学的な意味を抽出できること。
[5] スパコンの仕組みを理解し、実際に接続し、計算を行うことができること。

----

[1] Be able to explain the principles and characteristics of next-generation sequencing (NGS), and understand a range of analytical methods and their applications in research.
[2] Understand basic UNIX commands and be able to operate freely in a terminal environment.
[3] Understand the file formats generated by NGS platforms, and be able to use and operate the software required for their analysis.
[4] Be able to extract biological meaning from big data consisting of numerical and textual outputs generated by NGS.
[5] Understand the architecture of supercomputing systems, and be able to connect to and perform computations on a supercomputer.

9月10日(木)と9月11日(金)の2日間で実施する。授業計画と内容については初日の講義で改めて説明する。

9月10日（木）（1日目）　講義・演習
2限目　（講義1） 山本拓也（iPS細胞研究所）：次世代シーケンサー(NGS)を用いたiPS・ES細胞研究について
3限目　（演習1） UNIXの基本的なコマンド操作・ターミナル操作方法の習得
4限目　（演習2） UNIXによるテキスト処理
5限目　（演習3） NGSに関連する配列データフォーマットの解説
　　　　
9月11日（金）（2日目）　講義・演習
2限目　（演習4） RNA-seq解析（１）：ショートリードのゲノム配列へのマッピング
3限目　（演習5） RNA-seq解析（２）：発現変動遺伝子の抽出
4限目　（演習6） RNA-seq解析（３）：Rを用いたデータ解析・生物学的意味の抽出
5限目　（演習7） RNA-seq解析（４）：Rを用いたデータ解析・生物学的意味の抽出

----

The course will be held over two days, Thursday, September 10, and Friday, September 11. The detailed course plan and contents will be explained during the lecture on the first day.

Day 1 (September 10): Lectures and Hands-on Sessions

Lecture: NGS-based research on iPS and ES cells

Exercises: Basic UNIX commands and terminal operations; UNIX-based text processing; overview of NGS-related sequence data formats

Day 2 (September 11): Hands-on Sessions

Exercises: RNA-seq analysis, including read mapping, identification of differentially expressed genes, and data analysis using R to extract biological meaning

本演習では、受講生のPCを用いて、京都大学化学研究所のスパコンにリモート接続し、シェルを用いて計算を行う。PCのOSはWindows/Macの種類を問わないが、HDDの空き容量に余裕があること、メモリは8GB以上あることが望ましい。UNIXやスパコンの使用経験は問わない。所持するPCのスペックが上記を満たさない受講者に対しては、生命科学研究科で準備したMacbookを貸与できる（台数に限りあり）。開講までの準備期間に貸与希望の調査についてはその旨をLMS等を通じて連絡する。

対面形式での演習を予定しているが、履修希望者数が一定数を上回った場合は、オンライン形式での受講措置等を講じることがある。詳細については追って通知するので注意すること。

----

In this course, participants will use their own personal computers to remotely connect to the supercomputing facilities of the Institute for Chemical Research, Kyoto University, and perform computations via a shell interface. The operating system of the PC may be either Windows or macOS. Sufficient free disk space and at least 8 GB of RAM are recommended. No prior experience with UNIX or supercomputers is required.

For students whose personal computers do not meet these requirements, a limited number of MacBooks prepared by the Graduate School of Biostudies can be loaned. Information regarding requests for loaned computers will be announced in advance via LMS or related platforms.

The exercises are planned to be conducted in person; however, if the number of applicants exceeds capacity, alternative arrangements such as online participation may be implemented. Further details will be announced at a later date.

2日間の講義と演習に全て出席した上で、課題を提出することを成績評価の前提とする。詳細については開講時に説明する。

----

Attendance at all lectures and exercises over the two-day course, as well as submission of the assigned coursework, is required for assessment. Further details will be provided at the beginning of the course.

あらかじめ下記のサイトの「UNIX基本コマンド」「R入門」を読んでおくことが望ましいが、必須ではない。 https://github.com/nibb-unix/gitc2017a-unixr/wiki

----

It is recommended, but not required, that students familiarize themselves in advance with basic UNIX and R commands.

連絡担当教員：東樹宏和　メールアドレス： celisis_genome@mail2.adm.kyoto-u.ac.jp

※オフィスアワーの詳細については、KULASISで確認してください。この科目は前期集中科目ですが、採点登録・成績開示は後期科目と同時期に行います。

----

Contact Instructor: Hirokazu Toju
Email: celisis_genome@mail2.adm.kyoto-u.ac.jp

Please check KULASIS for details on office hours. Although this course is offered as an intensive course in the first semester, grade registration and grade release will be conducted at the same time as second-semester courses.