シラバス － 経済情報処理実習(2)

  • ナンバリングコードCode
    ECO-pra2-332
  • 科目名Subject Name
    経済情報処理実習(2)
  • 担当者名Instructor
    福井　昭吾
  • 単位Credit
    2
  • 履修年次Standard Year for Registration
    2-4
  • 学期Semester
    後期
  • クラスClass
  • 曜限Day/Period
    水曜1時限
  • 教室Classroom
    ダミー教室
  • 授業形態Course Type
    講義・演習
  • メディア授業Distance Learning Course
  • 備考Remarks
    使用言語：日本語
  • 実務経験のある教員等による授業科目Taught by instructor(s) with practical experience
  • 学内単位互換科目としての受講可否Availability for inter-departmental credit transfer
    可

授業の到達目標Objectives to be Attained

SEQ 1

DP観点 / Diploma Policy
Target Category
C（総合的な学修経験・創造性）
経済における様々な課題に対してデータにより解決の糸口を探すことを目的に、プログラミングの基本的な考え方を理解し、Pythonを活用して初歩的なデータ整形や統計分析を実行できる。
・プログラミングとは何かを理解し、プログラミングを使うことの利点を説明できる。
・Pythonの基本的な文法を理解し、初歩的なプログラムを記述し実行できる。
・Pythonを使って、データを分析に適合する形に整えたり、統計分析を行ったりすることができる。

授業の概要Course Overview

この科目では、経済データを分析する際に、効率的なデータ処理や計算に必要となるプログラミングの知識を身に着けることを目的としています。
はじめに、Pythonと呼ばれるプログラミング言語について、その基本的な使い方を学びます。その後、Pythonを使って、データの並び替えや変形・回帰分析等の統計分析をどう行うかを説明します。
講義は、授業内容に沿って、教科書とPCを使って進めます。なお、中途での理解度を測るために、第6回の終了をめどに中間レポートを実施します。

事前・事後学習、時間等Study Required outside Class(Preparation, etc.)

本科目は講義科目です。授業回毎に、以下の内容で、2コマ相当(200分)の自主学習を求めます。
・各回の授業内容に該当する教科書や参考書等の当該箇所について、事前に目を通して概要を把握しておくこと（100分）。
・講義で使用したスライドや練習問題等を、随時Moodleに掲示します。それを用いて事後に復習すること（100分）。

授業計画(各回の授業内容)Course Outline

  • 1回目Session 1 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    イントロダクション
  • 2回目Session 2 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    PythonとVisual Studio Codeのインストール・設定
  • 3回目Session 3 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    Pythonとは
  • 4回目Session 4 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    Python入門(1): 変数、リスト、関数
  • 5回目Session 5 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    Python入門(2): 分岐と繰り返し
  • 6回目Session 6 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    簡単なプログラム作成
  • 7回目Session 7 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    データの前処理とPandas
  • 8回目Session 8 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    Pandasによるデータ前処理(1)：データフレームとは、データの抽出や並べ替え
  • 9回目Session 9 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    Pandasによるデータ前処理(2)：特別な値の取り扱い、データの連結
  • 10回目Session 10 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    基本的な統計計算
  • 11回目Session 11 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    統計的なグラフを描いてみよう
  • 12回目Session 12 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    正規分布
  • 13回目Session 13 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    Pythonによる回帰分析
  • 14回目Session 14 対面授業 （Face-to-Face） 事前・事後学習 Study required outside class(Preparation/review)：200分
    回帰分析の実践

活用される学習方法Learning methods

聴講・視聴：講義の聴講、教材や実演の視聴を通して学習する。/ Listening, Watching : Learn by listening to lectures and watching educational materials and demonstrations.
グループワーク / Group work
体験・実践 / Experience, Practice

教科書・テキストTextbooks

森 巧尚（2020）『Python2年生 データ分析のしくみ 第2版』，翔泳社．

参考書等References

森 巧尚（2022）『Python1年生 第2版』，翔泳社．

課題の種類・内容Homework, Assignments, etc.

第6回終了後に中間レポートを実施し、最後に期末レポートを行います。

課題に対するフィードバックの方法Feedback Method

Moodleを通じて、随時質問を受け付け回答します。

成績評価Evaluation

成績評価の方法 / Evaluation Method

中間レポート（50%）と期末レポート（50%）に基づいて評価します。中間・期末の両方のレポートを提出してもらうことが、成績評価の必要条件です。単位認定は、目標下限水準以上であることが条件となります。

観点別評価の入力項目(ルーブリックとその使用方法) / Target to be Evaluated

SEQ 1

DP観点 / Diploma Policy
Target Category
C（総合的な学修経験・創造性）
成績評価の規準 / Evaluation Criteria
経済における様々な課題に対してデータにより解決の糸口を探すことを目的に、プログラミングの基本的な考え方を理解し、Pythonを活用して初歩的なデータ整形や統計分析を実行できる。
・プログラミングとは何かを理解し、プログラミングを使うことの利点を説明できる。
・Pythonの基本的な文法を理解し、初歩的なプログラムを記述し実行できる。
・Pythonを使って、データを分析に適合する形に整えたり、統計分析を行ったりすることができる。
評価尺度（水準）/ Evaluation Scale
卓越水準 / Outstanding
Pythonの基本的な文法を正しく理解し、初歩的なデータ整形や統計分析を自ら実行できる。
目標到達水準 / Excellent
Pythonの基本的な文法を理解し、他者からのアドバイスを参考に初歩的なデータ整形・統計分析を実行できる。
目標途上水準 / Good
Pythonの基本的な文法をおおよそ理解し、他者からのアドバイスを参考に、極めて基本的なデータ整形と統計分析を実行できる。
目標下限水準 / Adequate
Pythonの実行に必要な最低限の文法を理解し、専門家や生成AIといった高度な補助の下で、極めて基本的な統計分析を実行できる。
近接水準 / Inadequate
該当なし
評価不能 / Unevaluable
評価に値する情報が不足。または上記の水準に値せず、能力として評価に不適
成績評価に関するその他の確認事項 / Other Information for Evaluation

履修上の注意Other Course Information

今後のレポートや卒業論文でもPythonを簡単に使えるよう、学生の皆さんが所有しているノートPCに各種ソフトウエアをインストールします。したがって、受講時には皆さんが所有しているノートPCを持参してもらうことになります。