授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
大学院教育支援機構ジョブ型研究インターンシップII
|
(英 訳) | Division of Graduate Studies' Cooperative Education through Research Internships II | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院共通 | ||||||
(分野(分類)) | 社会適合 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 2 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 実習 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 講義日程なし(インターンシップ先による) |
||||||
(教室) | その他 | ||||||
(授業の概要・目的) | 本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。 インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。 |
||||||
(到達目標) | 履修者に養ってほしい能力は次のとおり: 自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築 |
||||||
(授業計画と内容) | 1.履修に興味を持った方は、次のURLから必ず学内エントリーを行うこと(https://forms.gle/gyUdr15dtNJhLWR77)。 2.大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関(註1)の専用システムのアカウント登録を行うこと。 3,2のアカウント登録後、マッチング支援機関(註2)が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション(註3)の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。 4.指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。 5.応募後、企業等とのマッチング選考が行われる。 6.マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する(締結業務は本学事務職員が行う)。 7.インターンシップ実施前に1回のガイダンスを行う。 8.インターンシップ実施 9.インターンシップ終了後に報告書を大学院教育支援機構に提出する。 当該報告書には、90時間以上の実習(授業外学習を含む)の実施について記載すること。 (註1)ジョブ型研究インターンシップ推進協議会 (註2)株式会社アカリク (註3)企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き(秘密保持・知財・研究成果公表等にかかる契約の有無等)等の情報が示される。 |
||||||
(履修要件) |
以下の条件を全て満たすこと:
・博士後期課程学生であること。 ・2ヶ月以上のインターンシップへの従事が可能な者。 ・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。 ・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。 学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。 |
||||||
(成績評価の方法・観点及び達成度) | ・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。 ・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ(1単位科目)、Ⅱ(2単位科目)のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ(1単位科目)、90時間以上をⅡ(2単位科目)として定める。 |
||||||
(教科書) |
使用しない
|
||||||
(参考書等) | |||||||
(関連URL) |
https://forms.gle/gyUdr15dtNJhLWR77
学内エントリー用フォーム
https://coopj-intern.com/ ジョブ型研究インターンシップ推進協議会ホームページ〈トップページ〉 https://coopj-intern.com/membership ジョブ型研究インターンシップ推進協議会ホームページ〈参画企業一覧〉 |
||||||
(授業外学習(予習・復習)等) | インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。 | ||||||
(その他(オフィスアワー等)) | 本科目履修にあたり、履修登録は不要です。 | ||||||
大学院教育支援機構ジョブ型研究インターンシップII
(科目名)
Division of Graduate Studies' Cooperative Education through Research Internships II
(英 訳)
|
|
||||||
(群) 院共通 (分野(分類)) 社会適合 (使用言語) 日本語 | |||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 実習 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 講義日程なし(インターンシップ先による) (教室) その他 |
|||||||
(授業の概要・目的)
本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。
インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。 |
|||||||
(到達目標)
履修者に養ってほしい能力は次のとおり:
自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築 |
|||||||
(授業計画と内容)
1.履修に興味を持った方は、次のURLから必ず学内エントリーを行うこと(https://forms.gle/gyUdr15dtNJhLWR77)。 2.大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関(註1)の専用システムのアカウント登録を行うこと。 3,2のアカウント登録後、マッチング支援機関(註2)が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション(註3)の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。 4.指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。 5.応募後、企業等とのマッチング選考が行われる。 6.マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する(締結業務は本学事務職員が行う)。 7.インターンシップ実施前に1回のガイダンスを行う。 8.インターンシップ実施 9.インターンシップ終了後に報告書を大学院教育支援機構に提出する。 当該報告書には、90時間以上の実習(授業外学習を含む)の実施について記載すること。 (註1)ジョブ型研究インターンシップ推進協議会 (註2)株式会社アカリク (註3)企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き(秘密保持・知財・研究成果公表等にかかる契約の有無等)等の情報が示される。 |
|||||||
(履修要件)
以下の条件を全て満たすこと:
・博士後期課程学生であること。 ・2ヶ月以上のインターンシップへの従事が可能な者。 ・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。 ・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。 学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。 |
|||||||
(成績評価の方法・観点及び達成度)
・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。
・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ(1単位科目)、Ⅱ(2単位科目)のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ(1単位科目)、90時間以上をⅡ(2単位科目)として定める。 |
|||||||
(教科書)
使用しない
|
|||||||
(参考書等)
|
|||||||
(授業外学習(予習・復習)等)
インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。
|
|||||||
(その他(オフィスアワー等))
本科目履修にあたり、履修登録は不要です。
|
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
非線形物理学特論I
|
(英 訳) | Topics in Nonlinear Physics I | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 理系向 | ||||||
(曜時限) | 集中 6/25(火) 2〜4限、7/2(火) 2〜4限、7/9(火) 3,4限 |
||||||
(教室) | 工学部総合校舎 213講義室 | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 機械学習から神経科学まで幅広い広がりを見せているニューラルネットワークの数理的理解について、おもに力学的/統計力学的視点から解説する。ランダム神経回路の解析を土台とし、特に深層学習における学習ダイナミクスの理解に向けて講義を進めていく。基本的な道具や考え方を入門的に習得することに主眼をおきつつ、近年の動向や発展的事例を含めた全体像の俯瞰を得ることも目指す。 | ||||||
(到達目標) | 機械学習・深層学習や神経科学において、ニューラルネットワークに関係した新しい問題や現象に出くわしたとき、ある程度自分で数理的な解析ができるように、基礎的知識を取得する。 | ||||||
(授業計画と内容) | 開講日程:吉田キャンパス内にて、前期火曜日、6月中旬から7月中旬に講義を予定している (詳細は後日案内)。集中講義として講義を行なうが、本科目は1単位科目であることから、7.5回以上の講義を行う。 具体的な講義内容:以下の通りである。なお、履修者の理解度や講義の進度を考慮して、一部の内容の変更・省略あるいは順序の変更を行うことがある。 (1) ニューラルネットワークの概要 (2) 深層モデルの統計神経力学 - 勾配消失/発散問題と秩序-カオス相転移 - バックプロパゲーションの平均場理論 - NNGPカーネル (3) Neural Tangent Kernelと学習レジーム - NTKレジームの特徴づけ - 最大更新パラメータにおける特徴学習 - 可解モデル: 対角線形ネットにおける陰的正則化 (4) 過剰パラメータ系の典型評価 - 二重/多重降下現象 - カーネルリッジ回帰における汎化誤差のレプリカ解析 - ランダム行列理論 (5) 連想記憶とボルツマンマシン - ホップフィールド模型と現代的アーキテクチャ - CD学習, スコアマッチング (6) 深層線形ネットの学習力学 - 可解条件 - ランダム行列積と動的等長性 |
||||||
(履修要件) |
特になし
|
||||||
(成績評価の方法・観点及び達成度) | 到達目標に対する達成度をレポートにより評価する。成績評価の詳細は授業時に説明する。 | ||||||
(教科書) |
使用しない
|
||||||
(参考書等) |
授業中に紹介する
|
||||||
(授業外学習(予習・復習)等) | 予習・復習についての具体的な事項は授業時に指示する。 | ||||||
(その他(オフィスアワー等)) | ※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。 | ||||||
非線形物理学特論I
(科目名)
Topics in Nonlinear Physics I
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
|||||||
(曜時限)
集中 6/25(火) 2〜4限、7/2(火) 2〜4限、7/9(火) 3,4限 (教室) 工学部総合校舎 213講義室 |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
機械学習から神経科学まで幅広い広がりを見せているニューラルネットワークの数理的理解について、おもに力学的/統計力学的視点から解説する。ランダム神経回路の解析を土台とし、特に深層学習における学習ダイナミクスの理解に向けて講義を進めていく。基本的な道具や考え方を入門的に習得することに主眼をおきつつ、近年の動向や発展的事例を含めた全体像の俯瞰を得ることも目指す。
|
|||||||
(到達目標)
機械学習・深層学習や神経科学において、ニューラルネットワークに関係した新しい問題や現象に出くわしたとき、ある程度自分で数理的な解析ができるように、基礎的知識を取得する。
|
|||||||
(授業計画と内容)
開講日程:吉田キャンパス内にて、前期火曜日、6月中旬から7月中旬に講義を予定している (詳細は後日案内)。集中講義として講義を行なうが、本科目は1単位科目であることから、7.5回以上の講義を行う。 具体的な講義内容:以下の通りである。なお、履修者の理解度や講義の進度を考慮して、一部の内容の変更・省略あるいは順序の変更を行うことがある。 (1) ニューラルネットワークの概要 (2) 深層モデルの統計神経力学 - 勾配消失/発散問題と秩序-カオス相転移 - バックプロパゲーションの平均場理論 - NNGPカーネル (3) Neural Tangent Kernelと学習レジーム - NTKレジームの特徴づけ - 最大更新パラメータにおける特徴学習 - 可解モデル: 対角線形ネットにおける陰的正則化 (4) 過剰パラメータ系の典型評価 - 二重/多重降下現象 - カーネルリッジ回帰における汎化誤差のレプリカ解析 - ランダム行列理論 (5) 連想記憶とボルツマンマシン - ホップフィールド模型と現代的アーキテクチャ - CD学習, スコアマッチング (6) 深層線形ネットの学習力学 - 可解条件 - ランダム行列積と動的等長性 |
|||||||
(履修要件)
特になし
|
|||||||
(成績評価の方法・観点及び達成度)
到達目標に対する達成度をレポートにより評価する。成績評価の詳細は授業時に説明する。
|
|||||||
(教科書)
使用しない
|
|||||||
(参考書等)
授業中に紹介する
|
|||||||
(授業外学習(予習・復習)等)
予習・復習についての具体的な事項は授業時に指示する。
|
|||||||
(その他(オフィスアワー等))
※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。
|
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
サービスモデリング論
|
(英 訳) | Service Modeling & Applying Strategy | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 2 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 9月9日(月)〜11日(水)2限〜5限、9月12日(木)2限〜4限 |
||||||
(教室) | 総合研究所2号館 ケーススタディ演習室 | ||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 「サービス」において、無形の事象や財、プロセス等が価値をもたらす。複数のステークホルダがサービスを適切に認識し、その情報を共有するためにはサービスを視える化することが効果的である。本講義では複数の側面からのサービスモデリングについて、手法やモデル化の意図等を解説する。ここで対象とするサービスとは、対人サービスをはじめとした第三次産業だけでなく、製造業におけるサービス化も含めた産業全体のサービスである。 サービスを表現するモデルについての基礎的な知識を身に着けたうえで、モデルの利用場面や利用方法を理解する。これを通じて、付加価値の増加・効率化・生産性の向上といった事業の改善に寄与できる人材となることを目指す。 |
||||||
(到達目標) | 物財と異なる性質(無形性、同時性、異質性、消滅性)を含むサービスに対して、モデル化することによる情報の活用・共有やビジネスモデルの理解を深める。また、学んだモデル・手法を利用して他者との議論や認識の擦り合わせを身につける。 | ||||||
(授業計画と内容) | 1、ガイダンス サービスに関わる基本概念の説明を行い、サービスの特性(製造業との対比含む) や生産性向上のための施策、関連するモデル等について概説 2、モデル化と「モデル」の理解 サービスのモデル化を行う意義、目的、効用などの総論を説明 3、モデル化の道具:モデリング言語 サービスのモデル化を行う表現手段として、UML(Unified Modeling Language)等 のモデリング言語について概説する 4、グループ発表・個人発表の概要説明とモデル活用 講義で行ってもらうプロジェクト発表についての概要を説明。サービスのいくつかのモデルを活用し、プロジェクトにおいてサービスを捉える観点を紹介。 また、今後の活動の単位となるグループを構成し、自己紹介等を行う 5、サービスのケース演習概説 演習の全体像、および、ケースの分類軸(フロント/バック、リアル/バーチャル)について解説 6、フロント/リアル デパートの店員、セルフレジなどの対人サービスとしての小売業事例を紹介 7、フロント/バーチャル 音楽携帯プレーヤー(iPod vs ウォークマン)の事例について紹介 8、バック/バーチャル クラウドサービスの事例について紹介 9、バック/リアル 物流業、業務アウトソーシング、人材派遣業等の事例について紹介 10、サービスの品質 SERVQUALなどのサービス品質評価尺度について概説 11、サービスの顧客と価値 利用者視点にたったサービス活用能力と価値について概説 12、個人発表 個人プロジェクトについて発表を行う(受講数に応じて、全体orグループ内) 13、サービスの領域と特性 公共サービスとしての行政サービスのような特異な性質をもったサービスや、その環境に対する概説 14、グループプロジェクト発表とケースの総括 グループ単位で学生によるサービスモデル化の事例発表を実施 15、総括 講義全体のまとめ、および、授業アンケートを実施 |
||||||
(履修要件) |
履修条件はなく、本講義単独での受講可。体系的な学習としては、「サービス創出方法論」等の経営管理大学院、サービス&ホスピタリティプログラム関連の授業を受講することが望ましい。
|
||||||
(成績評価の方法・観点及び達成度) | 授業出席・参加状況(30%)、個人発表課題(40%)、グループ発表課題(30%) | ||||||
(教科書) |
授業中に指示する
|
||||||
(参考書等) |
『UMLモデリング入門』
(日経BP社)
(2008)
『サービス・マネジメント(統合的アプローチ上・中・下)Services management : an integrated approach』
(ピアソン・エデュケーションFinancial Times Management)
(2004)
その他、講義中に紹介
|
||||||
(授業外学習(予習・復習)等) | 発表を行うプロジェクトについては、実在のサービス事例を調査・分析する。上場企業に対しては、アニュアルレポート等が公開されているので参照されたい。 | ||||||
(その他(オフィスアワー等)) | 原則として授業の後の時間帯をオフィスアワーとする。 メールで事前連絡することが望ましい。 e-mail: shimada.satoshi.4a@kyoto-u.ac.jp (嶋田) |
||||||
サービスモデリング論
(科目名)
Service Modeling & Applying Strategy
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 9月9日(月)〜11日(水)2限〜5限、9月12日(木)2限〜4限 (教室) 総合研究所2号館 ケーススタディ演習室 |
|||||||
情報学研究科, 経営管理大学院 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
「サービス」において、無形の事象や財、プロセス等が価値をもたらす。複数のステークホルダがサービスを適切に認識し、その情報を共有するためにはサービスを視える化することが効果的である。本講義では複数の側面からのサービスモデリングについて、手法やモデル化の意図等を解説する。ここで対象とするサービスとは、対人サービスをはじめとした第三次産業だけでなく、製造業におけるサービス化も含めた産業全体のサービスである。
サービスを表現するモデルについての基礎的な知識を身に着けたうえで、モデルの利用場面や利用方法を理解する。これを通じて、付加価値の増加・効率化・生産性の向上といった事業の改善に寄与できる人材となることを目指す。 |
|||||||
(到達目標)
物財と異なる性質(無形性、同時性、異質性、消滅性)を含むサービスに対して、モデル化することによる情報の活用・共有やビジネスモデルの理解を深める。また、学んだモデル・手法を利用して他者との議論や認識の擦り合わせを身につける。
|
|||||||
(授業計画と内容)
1、ガイダンス サービスに関わる基本概念の説明を行い、サービスの特性(製造業との対比含む) や生産性向上のための施策、関連するモデル等について概説 2、モデル化と「モデル」の理解 サービスのモデル化を行う意義、目的、効用などの総論を説明 3、モデル化の道具:モデリング言語 サービスのモデル化を行う表現手段として、UML(Unified Modeling Language)等 のモデリング言語について概説する 4、グループ発表・個人発表の概要説明とモデル活用 講義で行ってもらうプロジェクト発表についての概要を説明。サービスのいくつかのモデルを活用し、プロジェクトにおいてサービスを捉える観点を紹介。 また、今後の活動の単位となるグループを構成し、自己紹介等を行う 5、サービスのケース演習概説 演習の全体像、および、ケースの分類軸(フロント/バック、リアル/バーチャル)について解説 6、フロント/リアル デパートの店員、セルフレジなどの対人サービスとしての小売業事例を紹介 7、フロント/バーチャル 音楽携帯プレーヤー(iPod vs ウォークマン)の事例について紹介 8、バック/バーチャル クラウドサービスの事例について紹介 9、バック/リアル 物流業、業務アウトソーシング、人材派遣業等の事例について紹介 10、サービスの品質 SERVQUALなどのサービス品質評価尺度について概説 11、サービスの顧客と価値 利用者視点にたったサービス活用能力と価値について概説 12、個人発表 個人プロジェクトについて発表を行う(受講数に応じて、全体orグループ内) 13、サービスの領域と特性 公共サービスとしての行政サービスのような特異な性質をもったサービスや、その環境に対する概説 14、グループプロジェクト発表とケースの総括 グループ単位で学生によるサービスモデル化の事例発表を実施 15、総括 講義全体のまとめ、および、授業アンケートを実施 |
|||||||
(履修要件)
履修条件はなく、本講義単独での受講可。体系的な学習としては、「サービス創出方法論」等の経営管理大学院、サービス&ホスピタリティプログラム関連の授業を受講することが望ましい。
|
|||||||
(成績評価の方法・観点及び達成度)
授業出席・参加状況(30%)、個人発表課題(40%)、グループ発表課題(30%)
|
|||||||
(教科書)
授業中に指示する
|
|||||||
(参考書等)
『UMLモデリング入門』
(日経BP社)
(2008)
『サービス・マネジメント(統合的アプローチ上・中・下)Services management : an integrated approach』
(ピアソン・エデュケーションFinancial Times Management)
(2004)
その他、講義中に紹介
|
|||||||
(授業外学習(予習・復習)等)
発表を行うプロジェクトについては、実在のサービス事例を調査・分析する。上場企業に対しては、アニュアルレポート等が公開されているので参照されたい。
|
|||||||
(その他(オフィスアワー等))
原則として授業の後の時間帯をオフィスアワーとする。
メールで事前連絡することが望ましい。 e-mail: shimada.satoshi.4a@kyoto-u.ac.jp (嶋田) |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
計算科学演習A
|
(英 訳) | Exercise on Computational Science A | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||
(群) | 院横断 | ||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||
(使用言語) | 日本語 | ||||||||||||
(旧群) | |||||||||||||
(単位数) | 1 単位 | ||||||||||||
(時間数) | 30 時間 | ||||||||||||
(週コマ数) | 1 コマ | ||||||||||||
(授業形態) | 演習 | ||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||
(配当学年) | 大学院生 | ||||||||||||
(対象学生) | 理系向 | ||||||||||||
(曜時限) | 集中 9月10日(火)〜9月12日(木)各日1〜5限 |
||||||||||||
(教室) | 情報メ地下講義室 | ||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||
(授業の概要・目的) | 本授業の目的は、大規模データに対する統計処理を通じて、高速な逐次計算プログラムを作成する技法と並列計算の初歩を学ぶことである。 その目的を達成するために、本授業では、予測を行うための典型的な手法である回帰分析を行うC言語のプログラムを3種類作成する。1つは逐次計算のプログラム、1つはOpenMPを用いた並列計算のプログラム、もう1つはMPIを用いた並列計算のプログラムである。演習に先立ち、コンピュータを用いて計算を行う数値計算についての基本的な知識や、行列・線形代数の知識、回帰分析の知識、および、並列計算を行うためのOpenMPとMPIについてなど、演習に必要な事項について講義する。 【大学院横断型教育の概要・目的】 具体的な題材を課題とした演習により、計算科学・並列計算の技法を実践的に学ぶことができ、学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||||
(到達目標) | 高速なプログラムを作成する技法を理解し、OpenMPおよびMPIを用いて並列計算を行うプログラムを作成できるようになること。 | ||||||||||||
(授業計画と内容) | 全15回の授業の予定は以下の通りである。 ・数値計算と計算科学(1回) 二分法やガウスの消去法を例に計算機で計算する方法について講義する ・線形代数(1回) 回帰分析を行うのに必要なグラム・シュミットの正規直交化法とQR分解、および、分散メモリの並列計算でQR分解を行うAll Reduceアルゴリズムについて講義する ・回帰分析(1回) 回帰分析と最小二乗法について講義する ・逐次計算の高速化(1回) 効率的なアルゴリズム、計算機アーキテクチャとキャッシュの有効活用など高速な逐次計算を行うコツについて講義する ・OpenMP入門(1回) 共有メモリ向けの並列化技法であるOpenMPについて講義する ・MPI入門(1回) 分散メモリ向けの並列化技法であるMPIについて講義する ・回帰分析を行うプログラムの作成(9回) 回帰分析を行うC言語のプログラムを3種類作成する。 始めに逐次計算のプログラムを作成し、それをOpenMPを用いて並列化を行ったプログラム、MPIを用いて並列化を行ったプログラムをそれぞれ作成する。 |
||||||||||||
(履修要件) |
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||||
(成績評価の方法・観点及び達成度) | レポート試験により評価する。 OpenMPを用いた並列計算のプログラム、MPIを用いた並列計算のプログラムの2種類を提出してもらい、正しく効率的に計算が行われているか評価する。 |
||||||||||||
(教科書) |
講義資料を配布する。
教科書は特に定めない。
|
||||||||||||
(参考書等) |
特に定めない。
|
||||||||||||
(授業外学習(予習・復習)等) | C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 授業時間の制約上、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してより深い知識を得ることを期待する。 |
||||||||||||
(その他(オフィスアワー等)) | 演習では学術情報メディアセンターのスーパーコンピュータを使用します。スーパーコンピュータのアカウントについては必要に応じて配布します。 演習用の端末としてノート型PCを持参してください。 オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||||
計算科学演習A
(科目名)
Exercise on Computational Science A
(英 訳)
|
|
|||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 演習 | ||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
||||||||||
(曜時限)
集中 9月10日(火)〜9月12日(木)各日1〜5限 (教室) 情報メ地下講義室 |
||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||
(授業の概要・目的)
本授業の目的は、大規模データに対する統計処理を通じて、高速な逐次計算プログラムを作成する技法と並列計算の初歩を学ぶことである。
その目的を達成するために、本授業では、予測を行うための典型的な手法である回帰分析を行うC言語のプログラムを3種類作成する。1つは逐次計算のプログラム、1つはOpenMPを用いた並列計算のプログラム、もう1つはMPIを用いた並列計算のプログラムである。演習に先立ち、コンピュータを用いて計算を行う数値計算についての基本的な知識や、行列・線形代数の知識、回帰分析の知識、および、並列計算を行うためのOpenMPとMPIについてなど、演習に必要な事項について講義する。 【大学院横断型教育の概要・目的】 具体的な題材を課題とした演習により、計算科学・並列計算の技法を実践的に学ぶことができ、学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||
(到達目標)
高速なプログラムを作成する技法を理解し、OpenMPおよびMPIを用いて並列計算を行うプログラムを作成できるようになること。
|
||||||||||
(授業計画と内容)
全15回の授業の予定は以下の通りである。 ・数値計算と計算科学(1回) 二分法やガウスの消去法を例に計算機で計算する方法について講義する ・線形代数(1回) 回帰分析を行うのに必要なグラム・シュミットの正規直交化法とQR分解、および、分散メモリの並列計算でQR分解を行うAll Reduceアルゴリズムについて講義する ・回帰分析(1回) 回帰分析と最小二乗法について講義する ・逐次計算の高速化(1回) 効率的なアルゴリズム、計算機アーキテクチャとキャッシュの有効活用など高速な逐次計算を行うコツについて講義する ・OpenMP入門(1回) 共有メモリ向けの並列化技法であるOpenMPについて講義する ・MPI入門(1回) 分散メモリ向けの並列化技法であるMPIについて講義する ・回帰分析を行うプログラムの作成(9回) 回帰分析を行うC言語のプログラムを3種類作成する。 始めに逐次計算のプログラムを作成し、それをOpenMPを用いて並列化を行ったプログラム、MPIを用いて並列化を行ったプログラムをそれぞれ作成する。 |
||||||||||
(履修要件)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||
(成績評価の方法・観点及び達成度)
レポート試験により評価する。
OpenMPを用いた並列計算のプログラム、MPIを用いた並列計算のプログラムの2種類を提出してもらい、正しく効率的に計算が行われているか評価する。 |
||||||||||
(教科書)
講義資料を配布する。
教科書は特に定めない。
|
||||||||||
(参考書等)
特に定めない。
|
||||||||||
(授業外学習(予習・復習)等)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
授業時間の制約上、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してより深い知識を得ることを期待する。 |
||||||||||
(その他(オフィスアワー等))
演習では学術情報メディアセンターのスーパーコンピュータを使用します。スーパーコンピュータのアカウントについては必要に応じて配布します。
演習用の端末としてノート型PCを持参してください。 オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
計算科学入門
|
(英 訳) | Computational Science, Introduction | ||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||||||||||||||
(使用言語) | 日本語 | ||||||||||||||||||||||||
(旧群) | |||||||||||||||||||||||||
(単位数) | 2 単位 | ||||||||||||||||||||||||
(時間数) | 30 時間 | ||||||||||||||||||||||||
(週コマ数) | 1 コマ | ||||||||||||||||||||||||
(授業形態) | 講義 | ||||||||||||||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||||||||
(対象学生) | 理系向 | ||||||||||||||||||||||||
(曜時限) | 集中 9月2日(月)〜9月4日(水)各日1〜5限 |
||||||||||||||||||||||||
(教室) | 情報メ地下講義室 | ||||||||||||||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||
(授業の概要・目的) | 計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法、応用事例を教授する。コンピュータを活用する上で最も重要な逐次計算の高速化技法と、マルチコアCPUを搭載する計算機での並列計算技法や分散メモリ型並列計算機における並列計算技法について、C言語を利用して実習を行う。計算科学についての基礎力をつけることを目的とする。 【大学院横断型教育の概要・目的】 計算機アーキテクチャの理解、並列プログラミングの習得に止まらず、多くの事例研究の学習により、幅広い分野における計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||||||||||||||||
(到達目標) | 計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法を理解する。特に、高精度計算では、浮動小数点数による数値計算の特性を理解する。さらに、マルチコアCPUを搭載する計算機における並列計算技法であるOpenMPと、分散メモリ型並列計算機における並列計算技法であるMPIについて、その利用法を習得することを到達目標とする。 | ||||||||||||||||||||||||
(授業計画と内容) | シミュレーション科学,行列計算,最適化アルゴリズムなどを題材として,計算の精度と実行時間,並列プログラミング(OpenMPとMPI入門),事例研究について学ぶ。 全15回の予定は以下の通りである。 ・数値計算についての講義 (6回程度) (1) 数値計算の精度と安定性 数値計算の結果の精度を向上させるための数理的背景を持つ事例、多倍長計算の活用、計算機における演算、計算スキームの安定性などの解説 (2) 数値計算の高速化・スーパーコンピュータの活用方法 数値計算を高速化するための手段や、スーパーコンピュータの活用法の解説 (3) 最適化アルゴリズム アルゴリズムや実装の工夫による最適化計算の高速化についての解説 ※年度によって(1)-(3)の一部を省略することがある ・計算科学についての講義 (3回) (1) 逐次計算の高速化 計算機アーキテクチャの説明、キャッシュの有効活用、データの再利用などによる逐次計算の高速化の説明 (2) OpenMPによる並列計算 並列計算のためのOpenMPプログラミング技法、基礎理論、逐次プログラムからの変更点などの紹介 (3) MPIによる並列計算 並列計算のためのMPIの並列モデル、基礎理論、基本関数の使い方などの解説 ・スーパーコンピュータ実習 (3回) (1) C言語による逐次計算の高速化技法についての実習 (2) C言語によるマルチコアCPUを搭載する計算機での並列計算技法についての実習 (3) C言語による分散メモリ型並列計算機での並列計算技法についての実習 ・事例研究についての講義 (3回程度) |
||||||||||||||||||||||||
(履修要件) |
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||||||||||||||||
(成績評価の方法・観点及び達成度) | 以下の通り、レポート課題で評価する。 ・数値計算についての講義において、レポート課題を出題する(配点40点) ・スーパーコンピュータ実習において、プログラミングの課題を出題する(配点60点) |
||||||||||||||||||||||||
(教科書) |
講義資料を配布する。
教科書は特に定めない。
|
||||||||||||||||||||||||
(参考書等) |
特に定めない。
|
||||||||||||||||||||||||
(授業外学習(予習・復習)等) | C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 さらに、授業時間の制約から、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してさらに深い知識を得ることを期待する。 | ||||||||||||||||||||||||
(その他(オフィスアワー等)) | 課題実習では、学術情報メディアセンターのスーパーコンピュータを使用します。情報学研究科に所属の学生は事前に取得しているアカウントを使用します。他研究科履修生については本演習用に必要に応じてアカウントを配布します。 オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||||||||||||||||
計算科学入門
(科目名)
Computational Science, Introduction
(英 訳)
|
|
|||||||||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | ||||||||||||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | ||||||||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
||||||||||||||||
(曜時限)
集中 9月2日(月)〜9月4日(水)各日1〜5限 (教室) 情報メ地下講義室 |
||||||||||||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||||||||
(授業の概要・目的)
計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法、応用事例を教授する。コンピュータを活用する上で最も重要な逐次計算の高速化技法と、マルチコアCPUを搭載する計算機での並列計算技法や分散メモリ型並列計算機における並列計算技法について、C言語を利用して実習を行う。計算科学についての基礎力をつけることを目的とする。
【大学院横断型教育の概要・目的】 計算機アーキテクチャの理解、並列プログラミングの習得に止まらず、多くの事例研究の学習により、幅広い分野における計算科学の技法の習得ができる。そのため、より実践的な場面での学習成果の活用が期待される。特に、計算科学の技法を強く意識していなかった理系分野の大学院生が、この授業を受講することにより、新しい視点で、自分の分野の研究にアプローチできるようになる。 |
||||||||||||||||
(到達目標)
計算アルゴリズムと計算機アーキテクチャによる高精度計算と高速計算の基礎、並列計算技法を理解する。特に、高精度計算では、浮動小数点数による数値計算の特性を理解する。さらに、マルチコアCPUを搭載する計算機における並列計算技法であるOpenMPと、分散メモリ型並列計算機における並列計算技法であるMPIについて、その利用法を習得することを到達目標とする。
|
||||||||||||||||
(授業計画と内容)
シミュレーション科学,行列計算,最適化アルゴリズムなどを題材として,計算の精度と実行時間,並列プログラミング(OpenMPとMPI入門),事例研究について学ぶ。 全15回の予定は以下の通りである。 ・数値計算についての講義 (6回程度) (1) 数値計算の精度と安定性 数値計算の結果の精度を向上させるための数理的背景を持つ事例、多倍長計算の活用、計算機における演算、計算スキームの安定性などの解説 (2) 数値計算の高速化・スーパーコンピュータの活用方法 数値計算を高速化するための手段や、スーパーコンピュータの活用法の解説 (3) 最適化アルゴリズム アルゴリズムや実装の工夫による最適化計算の高速化についての解説 ※年度によって(1)-(3)の一部を省略することがある ・計算科学についての講義 (3回) (1) 逐次計算の高速化 計算機アーキテクチャの説明、キャッシュの有効活用、データの再利用などによる逐次計算の高速化の説明 (2) OpenMPによる並列計算 並列計算のためのOpenMPプログラミング技法、基礎理論、逐次プログラムからの変更点などの紹介 (3) MPIによる並列計算 並列計算のためのMPIの並列モデル、基礎理論、基本関数の使い方などの解説 ・スーパーコンピュータ実習 (3回) (1) C言語による逐次計算の高速化技法についての実習 (2) C言語によるマルチコアCPUを搭載する計算機での並列計算技法についての実習 (3) C言語による分散メモリ型並列計算機での並列計算技法についての実習 ・事例研究についての講義 (3回程度) |
||||||||||||||||
(履修要件)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。
|
||||||||||||||||
(成績評価の方法・観点及び達成度)
以下の通り、レポート課題で評価する。
・数値計算についての講義において、レポート課題を出題する(配点40点) ・スーパーコンピュータ実習において、プログラミングの課題を出題する(配点60点) |
||||||||||||||||
(教科書)
講義資料を配布する。
教科書は特に定めない。
|
||||||||||||||||
(参考書等)
特に定めない。
|
||||||||||||||||
(授業外学習(予習・復習)等)
C言語を用いて実習を行うため、C言語の文法を既に習得しているか、事前にC言語の基礎を学習しておくことを期待する。 さらに、授業時間の制約から、各話題について詳細に解説することが困難であるため、各自で図書館等を利用してさらに深い知識を得ることを期待する。
|
||||||||||||||||
(その他(オフィスアワー等))
課題実習では、学術情報メディアセンターのスーパーコンピュータを使用します。情報学研究科に所属の学生は事前に取得しているアカウントを使用します。他研究科履修生については本演習用に必要に応じてアカウントを配布します。
オフィスアワーについては担当教員の KULASIS 登録情報を参照すること。 |
||||||||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
データ科学展望I
|
(英 訳) | Perspectives in Data Science I | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 9月20日金曜1〜5限(対面)、9月24日火曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり |
||||||
(教室) | 近衛館202(受講者数によっては変更の可能性あり) | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 情報学研究科開講の「データの二次利用実践論」と兼ねた開講になる. 情報学研究科の学生はそちらを選択すること Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXの恩恵として蓄積されるデータの二次活用は、さらに大きな可能性が広がっている。本講義では、医療や教育等を例に社会におけるデータの活用の現状・課題・解決の方向性について議論を深めることを目指す。 |
||||||
(到達目標) | 社会に蓄積されるデータについて、医療や教育等を例にデータがどのように集積され、どのように分析されているのか。その際の課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。 | ||||||
(授業計画と内容) | 以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、データの二次利用の現状・課題・解決の方向性について学ぶ。 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するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. データに基づいた経済評価 3. データに基づいた経営 4. データを基づいた政策 5. データの二次利用の限界 5. データを活用した研究1(分割時系列解析)【メディア授業:同時双方向型】 6. データを活用した研究2(NDB解析) 【メディア授業:同時双方向型】 7. 医療・介護データの二次利用 【メディア授業:同時双方向型】 (9月20日に対面授業、9月24日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
||||||
(履修要件) |
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
||||||
(成績評価の方法・観点及び達成度) | 平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40% | ||||||
(教科書) |
使用しない
適宜、動画を含めた資料などを示す。
|
||||||
(参考書等) |
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
|
||||||
(授業外学習(予習・復習)等) | 参考書図書の確認、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取り入れるので、授業前に指定した動画の閲覧と質問の提出を求める。 |
||||||
(その他(オフィスアワー等)) | 講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。 ・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「データの二次利用実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
||||||
データ科学展望I
(科目名)
Perspectives in Data Science I
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 9月20日金曜1〜5限(対面)、9月24日火曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり (教室) 近衛館202(受講者数によっては変更の可能性あり) |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
情報学研究科開講の「データの二次利用実践論」と兼ねた開講になる.
情報学研究科の学生はそちらを選択すること Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXの恩恵として蓄積されるデータの二次活用は、さらに大きな可能性が広がっている。本講義では、医療や教育等を例に社会におけるデータの活用の現状・課題・解決の方向性について議論を深めることを目指す。 |
|||||||
(到達目標)
社会に蓄積されるデータについて、医療や教育等を例にデータがどのように集積され、どのように分析されているのか。その際の課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。
|
|||||||
(授業計画と内容)
以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、データの二次利用の現状・課題・解決の方向性について学ぶ。 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するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. データに基づいた経済評価 3. データに基づいた経営 4. データを基づいた政策 5. データの二次利用の限界 5. データを活用した研究1(分割時系列解析)【メディア授業:同時双方向型】 6. データを活用した研究2(NDB解析) 【メディア授業:同時双方向型】 7. 医療・介護データの二次利用 【メディア授業:同時双方向型】 (9月20日に対面授業、9月24日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
|||||||
(履修要件)
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
|||||||
(成績評価の方法・観点及び達成度)
平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40%
|
|||||||
(教科書)
使用しない
適宜、動画を含めた資料などを示す。
|
|||||||
(参考書等)
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
|
|||||||
(授業外学習(予習・復習)等)
参考書図書の確認、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取り入れるので、授業前に指定した動画の閲覧と質問の提出を求める。 |
|||||||
(その他(オフィスアワー等))
講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。
・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「データの二次利用実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
データ科学展望II
|
(英 訳) | Perspectives in Data Science II | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 全学向 | ||||||
(曜時限) | 集中 8月26日月曜1〜5限(対面)、8月30日金曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり |
||||||
(教室) | 近衛館202(受講者数によっては変更の可能性あり) | ||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 情報学研究科開講の「デジタル変容実践論」と兼ねた開講になる. 情報学研究科の学生はそちらを選択すること 2018年の経産省レポート「デジタルトランスフォーメーション(DX) レポート〜ITシステム「2025年の崖」の克服とDXの本格的な展開〜」では、日本の経済発展におけるDXの必要性と現状・課題が報告された。しかしながら、2021年に公開された「DX白書2021年」では、日本の組織における硬直的な組織文化やレガシーシステムなどの既存の仕組が足かせとなり、必要な変化への対応が十分でないと報告されている。 Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXにより、本来の業務が効率化される恩恵は大きい。本講義では、医療や教育等を例に社会におけるDXの現状・課題・解決の方向性について議論を深めることを目指す。 |
||||||
(到達目標) | 社会におけるDXの必要性がどのように位置づけられ、実施にあたっての課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。 | ||||||
(授業計画と内容) | 以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、デジタル・トランスフォーメーション(DX)の現状・課題・解決の方向性について学ぶ。 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するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. 教育・医療・介護におけるDX 3. 研究におけるDX 4. プロジェクトマネジメント 5. DXの評価【メディア授業:同時双方向型】 6. DXを実装した研究【メディア授業:同時双方向型】 7. 社会におけるDX【メディア授業:同時双方向型】 (8月26日に対面授業、8月30日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
||||||
(履修要件) |
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
||||||
(成績評価の方法・観点及び達成度) | 平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40% | ||||||
(教科書) |
使用しない
適宜プリントなどを配布する。
|
||||||
(参考書等) |
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
兼安 暁「DX 最前線」 (60分でわかる! IT知識)
Harvard Buisness Review「デジタルディスラプションに立ち向かう成熟企業の競争戦略」
|
||||||
(授業外学習(予習・復習)等) | 参考書図書の確認、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・質問の提出を求める。 |
||||||
(その他(オフィスアワー等)) | 講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。 ・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「デジタル変容実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
||||||
データ科学展望II
(科目名)
Perspectives in Data Science II
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
|||||||
(曜時限)
集中 8月26日月曜1〜5限(対面)、8月30日金曜3〜5限(メディア)を予定しているが、いずれも変更の可能性あり (教室) 近衛館202(受講者数によっては変更の可能性あり) |
|||||||
情報学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
情報学研究科開講の「デジタル変容実践論」と兼ねた開講になる.
情報学研究科の学生はそちらを選択すること 2018年の経産省レポート「デジタルトランスフォーメーション(DX) レポート〜ITシステム「2025年の崖」の克服とDXの本格的な展開〜」では、日本の経済発展におけるDXの必要性と現状・課題が報告された。しかしながら、2021年に公開された「DX白書2021年」では、日本の組織における硬直的な組織文化やレガシーシステムなどの既存の仕組が足かせとなり、必要な変化への対応が十分でないと報告されている。 Society5.0の実現による更なる経済成長や生産性の向上に向けて、社会全体のデジタル化が不可欠とされる。政府もデジタル庁の設置に代表されるように、デジタル・トランスフォーメーション(DX)を推進している。DXにより、本来の業務が効率化される恩恵は大きい。本講義では、医療や教育等を例に社会におけるDXの現状・課題・解決の方向性について議論を深めることを目指す。 |
|||||||
(到達目標)
社会におけるDXの必要性がどのように位置づけられ、実施にあたっての課題にはどういうものがあり、解決に向けた方策にはどのようなものがあるのか、を理解し説明できるようになること。
|
|||||||
(授業計画と内容)
以下のような課題について、1課題あたり1〜2回の授業を合計8回(フィードバックを含む)で、必要に応じて学内外の専門家の意見も踏まえながら、デジタル・トランスフォーメーション(DX)の現状・課題・解決の方向性について学ぶ。 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するとともに、対面授業以上に受講生間の活発な議論を期待し、一部同時双方向型のメディア授業で実施する。 1. 導入 2. 教育・医療・介護におけるDX 3. 研究におけるDX 4. プロジェクトマネジメント 5. DXの評価【メディア授業:同時双方向型】 6. DXを実装した研究【メディア授業:同時双方向型】 7. 社会におけるDX【メディア授業:同時双方向型】 (8月26日に対面授業、8月30日にメディア授業の開講を予定) なお、講義の進度・文科省のモデルカリキュラム等を反映して、内容・順序・日程の変更や省略・追加を行うことがある。 |
|||||||
(履修要件)
京都大学「統計入門」と同等(数理・データサイエンス認定プログラムリテラシーレベル)の単位を取得していること
|
|||||||
(成績評価の方法・観点及び達成度)
平常点相当(授業への参加(出席そのものではない)・小課題・授業での発言・リアクションペーパー等)60%、レポート課題の提出等40%
|
|||||||
(教科書)
使用しない
適宜プリントなどを配布する。
|
|||||||
(参考書等)
中山 健夫「医療ビッグデータ時代」の幕開け
中室牧子、津川友介「原因と結果」の経済学———データから真実を見抜く思考法
兼安 暁「DX 最前線」 (60分でわかる! IT知識)
Harvard Buisness Review「デジタルディスラプションに立ち向かう成熟企業の競争戦略」
|
|||||||
(授業外学習(予習・復習)等)
参考書図書の確認、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・質問の提出を求める。 |
|||||||
(その他(オフィスアワー等))
講義中に教員との連絡方法について指示する。また、以下の点にも留意を求める。
・情報学研究科の学生は,大学院横断科目として履修登録できない。情報学研究科開講の「デジタル変容実践論」を選択すること。 ・集中講義で採点報告日以降に実施するため、成績報告に遅れが生じ得ること。 ・医療データ人材育成事業(KEUP-DHI)受講生は、別途その旨申し出ること。 |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
実験系生物学者向けの数理・統計・計算生物学入門
|
(英 訳) | Mathematical, Statistical and Computational Biology for Experimental Biologists | ||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||||||||||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||||||||||||||||||||||||||
(分野(分類)) | 統計・情報・データ科学系 | ||||||||||||||||||||||||||||||||||||||||||
(使用言語) | 日本語 | ||||||||||||||||||||||||||||||||||||||||||
(旧群) | |||||||||||||||||||||||||||||||||||||||||||
(単位数) | 1 単位 | ||||||||||||||||||||||||||||||||||||||||||
(時間数) | 30 時間 | ||||||||||||||||||||||||||||||||||||||||||
(週コマ数) | 1 コマ | ||||||||||||||||||||||||||||||||||||||||||
(授業形態) | 演習 | ||||||||||||||||||||||||||||||||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||||||||||||||||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||||||||||||||||||||||||||
(対象学生) | 理系向 | ||||||||||||||||||||||||||||||||||||||||||
(曜時限) | 集中 |
||||||||||||||||||||||||||||||||||||||||||
(教室) | オンライン | ||||||||||||||||||||||||||||||||||||||||||
生命科学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||||||||||||||||||||
(授業の概要・目的) | 昨今の生命科学における、学際融合研究に必要な統計・数理・計算生物学、及び、画像解析の入門的な知識と技術を提供する。主な対象は、生命科学の実験系研究室に所属し、実験データの実践的な統計解析、ビッグデータ解析、および、システムズバイオロジー・数理生物学・理論生物学等に興味がある大学院生とする。演習形式の授業を通じて、自分の研究に学んだ知識や方法論を活用できるようになることを目的とする。 | ||||||||||||||||||||||||||||||||||||||||||
(到達目標) | 上記の知識を基に、正しい統計知識に基づいた、生命科学研究についての実験デザインやデータ解析ができるようになる。および、様々な生命現象を数理モデルで記述し、計算機によるシミュレーションを通じて動作原理の検証や作業仮説を抽出することができるようになる。これらの入門的な知識と技術を習得する。 | ||||||||||||||||||||||||||||||||||||||||||
(授業計画と内容) | 4月22日(月) イントロダクション、生物統計学概論 5月27日(月) 研究の品質管理の考え方及び実験計画法 6月24日(月) 解析計画とサンプルサイズ設計 7月29日(月) 実験計画演習 8月26日(月) 計画発表・討論会 9月30日(月) 常微分方程式による数理モデル化と数値解析、最適化基礎 10月28日(月) 生命現象の数理モデル、線形安定性解析 11月25日(月) 反応拡散モデル、ブラウン運動 12月23日(月) 生体イメージング画像処理 1月27日(月) 確率微分方程式、確率アルゴリズム、ポアソン、マスター方程式 2月17日(月) 機械学習、ベイズ概論・演習 - 1 3月17日(月) 機械学習、ベイズ概論・演習 - 2 備考: 1/27, 2/17, 3/17の3回は、受講者と相談の上、集中講義の形式で実施する可能性あり。 |
||||||||||||||||||||||||||||||||||||||||||
(履修要件) |
・授業時にネットワークに接続した PC を使用できること。
・Google アカウントを取得していること(Google Colab使用のため)。 ・Zoomが使用可能であること。 全学共通科目「統計入門」、「データ分析基礎」、「データ分析演習」あるいは大学院共通科目「データ科学概観」、「情報科学基礎論」あるいはそれらと同等の内容の講義を受講・学習済みであることが望ましい。 |
||||||||||||||||||||||||||||||||||||||||||
(成績評価の方法・観点及び達成度) | 【評価方法】 担当教員に提出する小レポートにより評価する。また、発表や討論についても評価対象とする。詳細については、開講時に説明する。 【評価基準】 出席・発表・議論、および、原則として全講師へのレポート提出を重視する。 |
||||||||||||||||||||||||||||||||||||||||||
(教科書) |
使用しない
|
||||||||||||||||||||||||||||||||||||||||||
(参考書等) |
『講義実録 統計入門』
ISBN:4434318578
『データ分析のための数理モデル入門 本質をとらえた分析のために』
ISBN:4802612494
『An Introduction to Systems Biology: Design Principles of Biological Circuits, 2 nd Edition』
ISBN:1439837171
『細胞の理論生物学: ダイナミクスの視点から』
ISBN:4130626213
『パターン認識と機械学習 上』
ISBN:4621061224
『パターン認識と機械学習 下』
ISBN:4621061240
初回の講義において各回の講義内容の概要を説明する。ほとんどの講義後に、講義内容を理解しているか判断する課題を出すので、次回までに提出する。
|
||||||||||||||||||||||||||||||||||||||||||
(授業外学習(予習・復習)等) | 履修要件に記載の統計科学関連科目を受講済みでない場合は、全学部共通科目「統計入門」のe-learning教材(https://lms.gacco.org/courses/course-v1:gacco+ga150+2023_05/about)の事前視聴が望まれる。 | ||||||||||||||||||||||||||||||||||||||||||
(その他(オフィスアワー等)) | 連絡担当教員: 今吉:imayoshi.itaru.2n@kyoto-u.ac.jp 田中:tanaka.noriko.3c@kyoto-u.ac.jp 青木:aoki.kazuhiro.6v@kyoto-u.ac.jp 坂本:sakamoto.masayuki.2e@kyoto-u.ac.jp 碓井:usui.tadao.3c@kyoto-u.ac.jp 鈴木:suzuki.yusuke.7n@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。 ※本科目はメディア授業科目です。 |
||||||||||||||||||||||||||||||||||||||||||
実験系生物学者向けの数理・統計・計算生物学入門
(科目名)
Mathematical, Statistical and Computational Biology for Experimental Biologists
(英 訳)
|
|
||||||||||||||||||||||||
(群) 院横断 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語 | |||||||||||||||||||||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 演習 | |||||||||||||||||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
|||||||||||||||||||||||||
(曜時限)
集中 (教室) オンライン |
|||||||||||||||||||||||||
生命科学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||
(授業の概要・目的)
昨今の生命科学における、学際融合研究に必要な統計・数理・計算生物学、及び、画像解析の入門的な知識と技術を提供する。主な対象は、生命科学の実験系研究室に所属し、実験データの実践的な統計解析、ビッグデータ解析、および、システムズバイオロジー・数理生物学・理論生物学等に興味がある大学院生とする。演習形式の授業を通じて、自分の研究に学んだ知識や方法論を活用できるようになることを目的とする。
|
|||||||||||||||||||||||||
(到達目標)
上記の知識を基に、正しい統計知識に基づいた、生命科学研究についての実験デザインやデータ解析ができるようになる。および、様々な生命現象を数理モデルで記述し、計算機によるシミュレーションを通じて動作原理の検証や作業仮説を抽出することができるようになる。これらの入門的な知識と技術を習得する。
|
|||||||||||||||||||||||||
(授業計画と内容)
4月22日(月) イントロダクション、生物統計学概論 5月27日(月) 研究の品質管理の考え方及び実験計画法 6月24日(月) 解析計画とサンプルサイズ設計 7月29日(月) 実験計画演習 8月26日(月) 計画発表・討論会 9月30日(月) 常微分方程式による数理モデル化と数値解析、最適化基礎 10月28日(月) 生命現象の数理モデル、線形安定性解析 11月25日(月) 反応拡散モデル、ブラウン運動 12月23日(月) 生体イメージング画像処理 1月27日(月) 確率微分方程式、確率アルゴリズム、ポアソン、マスター方程式 2月17日(月) 機械学習、ベイズ概論・演習 - 1 3月17日(月) 機械学習、ベイズ概論・演習 - 2 備考: 1/27, 2/17, 3/17の3回は、受講者と相談の上、集中講義の形式で実施する可能性あり。 |
|||||||||||||||||||||||||
(履修要件)
・授業時にネットワークに接続した PC を使用できること。
・Google アカウントを取得していること(Google Colab使用のため)。 ・Zoomが使用可能であること。 全学共通科目「統計入門」、「データ分析基礎」、「データ分析演習」あるいは大学院共通科目「データ科学概観」、「情報科学基礎論」あるいはそれらと同等の内容の講義を受講・学習済みであることが望ましい。 |
|||||||||||||||||||||||||
(成績評価の方法・観点及び達成度)
【評価方法】
担当教員に提出する小レポートにより評価する。また、発表や討論についても評価対象とする。詳細については、開講時に説明する。 【評価基準】 出席・発表・議論、および、原則として全講師へのレポート提出を重視する。 |
|||||||||||||||||||||||||
(教科書)
使用しない
|
|||||||||||||||||||||||||
(参考書等)
『講義実録 統計入門』
ISBN:4434318578
『データ分析のための数理モデル入門 本質をとらえた分析のために』
ISBN:4802612494
『An Introduction to Systems Biology: Design Principles of Biological Circuits, 2 nd Edition』
ISBN:1439837171
『細胞の理論生物学: ダイナミクスの視点から』
ISBN:4130626213
『パターン認識と機械学習 上』
ISBN:4621061224
『パターン認識と機械学習 下』
ISBN:4621061240
初回の講義において各回の講義内容の概要を説明する。ほとんどの講義後に、講義内容を理解しているか判断する課題を出すので、次回までに提出する。
|
|||||||||||||||||||||||||
(授業外学習(予習・復習)等)
履修要件に記載の統計科学関連科目を受講済みでない場合は、全学部共通科目「統計入門」のe-learning教材(https://lms.gacco.org/courses/course-v1:gacco+ga150+2023_05/about)の事前視聴が望まれる。
|
|||||||||||||||||||||||||
(その他(オフィスアワー等))
連絡担当教員:
今吉:imayoshi.itaru.2n@kyoto-u.ac.jp 田中:tanaka.noriko.3c@kyoto-u.ac.jp 青木:aoki.kazuhiro.6v@kyoto-u.ac.jp 坂本:sakamoto.masayuki.2e@kyoto-u.ac.jp 碓井:usui.tadao.3c@kyoto-u.ac.jp 鈴木:suzuki.yusuke.7n@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。 ※本科目はメディア授業科目です。 |
|||||||||||||||||||||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
数学・数理科学キャリアパス
|
(英 訳) | Career Paths in Mathematics and Mathematical Sciences | ||||
---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||
(群) | 院横断 | ||||||
(分野(分類)) | キャリア形成系 | ||||||
(使用言語) | 日本語 | ||||||
(旧群) | |||||||
(単位数) | 1 単位 | ||||||
(時間数) | 30 時間 | ||||||
(週コマ数) | 1 コマ | ||||||
(授業形態) | 講義 | ||||||
(開講年度・開講期) | 2024・通年集中 | ||||||
(配当学年) | 大学院生 | ||||||
(対象学生) | 理系向 | ||||||
(曜時限) | 集中 |
||||||
(教室) | 理学研究科3号館 | ||||||
理学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的) | 本科目は、数学・数理科学を学んだのちに企業等で活躍している方たちと、学生が交流を深めることで、数学・数理科学が実社会でどのように役立てられているか、理解を深めていくことを目的とする。企業等から講師を招いてセミナーを行う。また「京都大学理学共創イノベーションコンソーシアム」または「異分野異業種研究交流会」に参加してポスター発表等を行うことで、企業との交流の促進を図るとともにプレゼンテーションの実施技能を高める。 | ||||||
(到達目標) | 数学・数理科学が産業界や経済界においてどのように活用されているか、知見を広める。 | ||||||
(授業計画と内容) | (1) 授業担当教員によるオリエンテーション(5月ごろに実施) (2) 企業等から講師を招いて開催するセミナーを年度あたり2回程度開催し、産業界や経済界において数学・数理科学がどのように活用されているか、具体的なニーズとともにわかりやすく解説を行う。 (3) 履修者は、企業との交流の場として開催される研究交流会等において少なくとも1回、ポスター発表等を行う。 研究交流会の例1.理学研究科が主催する産学交流の場である「京都大学理学共創イノベーションコンソーシアム」での研究交流会 研究交流会の例2.日本数学会・日本応用数理学会・統計関連学会連合が主催する数学・数理科学における若手研究者を対象とした産学交流の場である「異分野異業種研究交流会」 本科目は「数学・数理科学イノベーション人材育成強化コース(通称:数学・数理科学コース)」を構成する科目であり、本科目の詳細はコースwebサイトにも掲載する。 |
||||||
(履修要件) |
大学院における主要な研究テーマが数学・数理科学を基盤とする分野であること。
|
||||||
(成績評価の方法・観点及び達成度) | セミナー及び指定の研究交流会への参加状況により、総合的に判断する。 | ||||||
(教科書) |
授業中に指示する
|
||||||
(参考書等) |
授業中に紹介する
|
||||||
(授業外学習(予習・復習)等) | 指定の研究交流会でのポスター発表の準備を行う。 | ||||||
(その他(オフィスアワー等)) | 本科目は「数学・数理科学イノベーション人材育成強化コース(通称:数学・数理科学コース)」を構成する科目であるが、 コース履修に関わらず本科目のみ履修することも可能である。 |
||||||
数学・数理科学キャリアパス
(科目名)
Career Paths in Mathematics and Mathematical Sciences
(英 訳)
|
|
||||||
(群) 院横断 (分野(分類)) キャリア形成系 (使用言語) 日本語 | |||||||
(旧群) (単位数) 1 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 講義 | |||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 理系向 |
|||||||
(曜時限)
集中 (教室) 理学研究科3号館 |
|||||||
理学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||
(授業の概要・目的)
本科目は、数学・数理科学を学んだのちに企業等で活躍している方たちと、学生が交流を深めることで、数学・数理科学が実社会でどのように役立てられているか、理解を深めていくことを目的とする。企業等から講師を招いてセミナーを行う。また「京都大学理学共創イノベーションコンソーシアム」または「異分野異業種研究交流会」に参加してポスター発表等を行うことで、企業との交流の促進を図るとともにプレゼンテーションの実施技能を高める。
|
|||||||
(到達目標)
数学・数理科学が産業界や経済界においてどのように活用されているか、知見を広める。
|
|||||||
(授業計画と内容)
(1) 授業担当教員によるオリエンテーション(5月ごろに実施) (2) 企業等から講師を招いて開催するセミナーを年度あたり2回程度開催し、産業界や経済界において数学・数理科学がどのように活用されているか、具体的なニーズとともにわかりやすく解説を行う。 (3) 履修者は、企業との交流の場として開催される研究交流会等において少なくとも1回、ポスター発表等を行う。 研究交流会の例1.理学研究科が主催する産学交流の場である「京都大学理学共創イノベーションコンソーシアム」での研究交流会 研究交流会の例2.日本数学会・日本応用数理学会・統計関連学会連合が主催する数学・数理科学における若手研究者を対象とした産学交流の場である「異分野異業種研究交流会」 本科目は「数学・数理科学イノベーション人材育成強化コース(通称:数学・数理科学コース)」を構成する科目であり、本科目の詳細はコースwebサイトにも掲載する。 |
|||||||
(履修要件)
大学院における主要な研究テーマが数学・数理科学を基盤とする分野であること。
|
|||||||
(成績評価の方法・観点及び達成度)
セミナー及び指定の研究交流会への参加状況により、総合的に判断する。
|
|||||||
(教科書)
授業中に指示する
|
|||||||
(参考書等)
授業中に紹介する
|
|||||||
(授業外学習(予習・復習)等)
指定の研究交流会でのポスター発表の準備を行う。
|
|||||||
(その他(オフィスアワー等))
本科目は「数学・数理科学イノベーション人材育成強化コース(通称:数学・数理科学コース)」を構成する科目であるが、
コース履修に関わらず本科目のみ履修することも可能である。 |
|||||||
授業の進捗状況や受講生の習熟度などによって「授業計画と内容」,「成績評価の方法」が変更になる場合があります。
(科目名) |
ユネスコチェアフィールドワーク:水と森と社会
|
(英 訳) | UNESCO Chair Fieldwork:Water, Forest and Society | ||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
(担当教員) |
|
||||||||||||||||||||||||||||||||||||
(群) | 院横断 | ||||||||||||||||||||||||||||||||||||
(分野(分類)) | 複合領域系 | ||||||||||||||||||||||||||||||||||||
(使用言語) | 日本語及び英語 | ||||||||||||||||||||||||||||||||||||
(旧群) | |||||||||||||||||||||||||||||||||||||
(単位数) | 2 単位 | ||||||||||||||||||||||||||||||||||||
(時間数) | 30 時間 | ||||||||||||||||||||||||||||||||||||
(週コマ数) | 1 コマ | ||||||||||||||||||||||||||||||||||||
(授業形態) | 実習 | ||||||||||||||||||||||||||||||||||||
(開講年度・開講期) | 2024・通年集中 | ||||||||||||||||||||||||||||||||||||
(配当学年) | 大学院生 | ||||||||||||||||||||||||||||||||||||
(対象学生) | 全学向 | ||||||||||||||||||||||||||||||||||||
(曜時限) | 集中 未定 |
||||||||||||||||||||||||||||||||||||
(教室) | 未定 | ||||||||||||||||||||||||||||||||||||
農学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | |||||||||||||||||||||||||||||||||||||
(授業の概要・目的) | This course was set by a Kyoto University UNESCO Chair of WENDI, and aims to provide interdisciplinary knowledge on forest, water, society, and the social ecological systems of rural area in Kansai through field work. The course consists of intensive field works and several site visits. 1-2 days of field visits will be held in Kyoto, Shiga, Nara, Wakayama Prefecture, field research sites of Kyoto University. This course will be offered in English and Japanese. |
||||||||||||||||||||||||||||||||||||
(到達目標) | To acquire basic knowledge on forest management, biodiversity, hydrology, erosion control, irrigation system ecosystem management, rural sociology and the sustainable development in rural area in Kansai region. |
||||||||||||||||||||||||||||||||||||
(授業計画と内容) | 1. Field Work in Kawakami Village, Nara Prefecture and Ashiu Research Forest Two days fieldwork will be set and will cover the topics below. - Forest ecosystem and forest management - Aquatic ecosystem, water quality monitoring,water management - Experience and understand current problems of rural communities and Satoyama Management. - The UNESCO Biosphere Reserve system of Japan 2. Field Work in Shirahama Oceanographic Observatory and Tanabe Bay, Wakayama Prefecture Two days field work will be set to obtain basic knowledge and skill of ocean observation and learn aquatic ecosystem. -Shirahama Oceanographic Observatory, Kyoto University -Shirahama Aquarium, Kyoto University -Tanabe bay field observation experience 3. Field visits in the Kansai area At least four fieldworks will be prepared and we will study the monitoring and restoration of terrestrial and aquatic ecosystems, water management, and sustainable development of society. - Tanakamiyama forest restoration site - Kiryu Experimental Watershed - Hira Mountains deep landslides sites - Nara Basin Irrigation System Detail the fieldwork information and schedule will be announce in PandA. |
||||||||||||||||||||||||||||||||||||
(履修要件) |
Expenditure for transportation to the fields is necessary to attend the fieldworks.
Expenditure for the accommodation is necessary to attend the intensive fieldworks. Detail information will be provided at the announcement of the each fieldwork. Insurance …Students must join Student Accident Insurance (GAKKENSAI). |
||||||||||||||||||||||||||||||||||||
(成績評価の方法・観点及び達成度) | The criteria of course completion is as follows. To complete the course, students are requested to join at least one of the field works After the trip, students are requested to submit the report. Topic of the report title will be announced later. Student performance is evaluated by the active participation, assignments and report. we also provide online courses for those who could not join the field work. |
||||||||||||||||||||||||||||||||||||
(教科書) |
使用しない
|
||||||||||||||||||||||||||||||||||||
(参考書等) |
授業中に紹介する
|
||||||||||||||||||||||||||||||||||||
(授業外学習(予習・復習)等) | No preparation is required. Students must submit a report assigned during the field work and site visits. |
||||||||||||||||||||||||||||||||||||
(その他(オフィスアワー等)) | Office hours will not be finalized. However, students who want to contact teaching staff on the contents of the course may arrange a meeting or tutorial, on the condition that an appointment be made in advance. Daisuke Naito: naito.daisuke.3e@kyoto-u.ac.jp Yamashiki Yosuke: yamashiki.yosuke.3u@kyoto-u.ac.jp |
||||||||||||||||||||||||||||||||||||
ユネスコチェアフィールドワーク:水と森と社会
(科目名)
UNESCO Chair Fieldwork:Water, Forest and Society
(英 訳)
|
|
|||||||||||||||||||||
(群) 院横断 (分野(分類)) 複合領域系 (使用言語) 日本語及び英語 | ||||||||||||||||||||||
(旧群) (単位数) 2 単位 (時間数) 30 時間 (週コマ数) 1 コマ (授業形態) 実習 | ||||||||||||||||||||||
(開講年度・ 開講期) 2024・通年集中 (配当学年) 大学院生 (対象学生) 全学向 |
||||||||||||||||||||||
(曜時限)
集中 未定 (教室) 未定 |
||||||||||||||||||||||
農学研究科 の学生は、全学共通科目として履修できません。所属学部で履修登録してください。 | ||||||||||||||||||||||
(授業の概要・目的)
This course was set by a Kyoto University UNESCO Chair of WENDI, and aims to provide interdisciplinary
knowledge on forest, water, society, and the social ecological systems of rural area in Kansai through field work. The course consists of intensive field works and several site visits. 1-2 days of field visits will be held in Kyoto, Shiga, Nara, Wakayama Prefecture, field research sites of Kyoto University. This course will be offered in English and Japanese. |
||||||||||||||||||||||
(到達目標)
To acquire basic knowledge on forest management, biodiversity, hydrology, erosion control, irrigation system
ecosystem management, rural sociology and the sustainable development in rural area in Kansai region. |
||||||||||||||||||||||
(授業計画と内容)
1. Field Work in Kawakami Village, Nara Prefecture and Ashiu Research Forest Two days fieldwork will be set and will cover the topics below. - Forest ecosystem and forest management - Aquatic ecosystem, water quality monitoring,water management - Experience and understand current problems of rural communities and Satoyama Management. - The UNESCO Biosphere Reserve system of Japan 2. Field Work in Shirahama Oceanographic Observatory and Tanabe Bay, Wakayama Prefecture Two days field work will be set to obtain basic knowledge and skill of ocean observation and learn aquatic ecosystem. -Shirahama Oceanographic Observatory, Kyoto University -Shirahama Aquarium, Kyoto University -Tanabe bay field observation experience 3. Field visits in the Kansai area At least four fieldworks will be prepared and we will study the monitoring and restoration of terrestrial and aquatic ecosystems, water management, and sustainable development of society. - Tanakamiyama forest restoration site - Kiryu Experimental Watershed - Hira Mountains deep landslides sites - Nara Basin Irrigation System Detail the fieldwork information and schedule will be announce in PandA. |
||||||||||||||||||||||
(履修要件)
Expenditure for transportation to the fields is necessary to attend the fieldworks.
Expenditure for the accommodation is necessary to attend the intensive fieldworks. Detail information will be provided at the announcement of the each fieldwork. Insurance …Students must join Student Accident Insurance (GAKKENSAI). |
||||||||||||||||||||||
(成績評価の方法・観点及び達成度)
The criteria of course completion is as follows.
To complete the course, students are requested to join at least one of the field works After the trip, students are requested to submit the report. Topic of the report title will be announced later. Student performance is evaluated by the active participation, assignments and report. we also provide online courses for those who could not join the field work. |
||||||||||||||||||||||
(教科書)
使用しない
|
||||||||||||||||||||||
(参考書等)
授業中に紹介する
|
||||||||||||||||||||||
(授業外学習(予習・復習)等)
No preparation is required.
Students must submit a report assigned during the field work and site visits. |
||||||||||||||||||||||
(その他(オフィスアワー等))
Office hours will not be finalized. However, students who want to contact teaching staff on the contents of the course may arrange a meeting or tutorial, on the condition that an appointment be made in advance.
Daisuke Naito: naito.daisuke.3e@kyoto-u.ac.jp Yamashiki Yosuke: yamashiki.yosuke.3u@kyoto-u.ac.jp |
||||||||||||||||||||||