シラバス情報

教員名 ： 野口　怜
科目授業名称（和文）　Name of the subject/class (in Japanese)
情報処理特論B
科目授業名称（英文）　Name of the subject/class (in English)
Advanced Information Processing B
授業コード　Class code
998F31B
科目番号　Course number
86MCINP504

教員名
野口　怜
Instructor
Rei Noguchi

開講年度学期
2025年度前期
Year
2025年度
Semester
①First semester
曜日時限
金曜2限
Class hours
Friday 2nd Period

開講学科・専攻　Department
経営学研究科　経営学専攻

Department of Management, Graduate School of Management
単位数　Course credit
2.0単位
授業の方法　Teaching method
講義 Lecture
外国語のみの科目（使用言語）　Course in only foreign languages (languages)
-
授業の主な実施形態　Main class format
① [対面]対面授業/ [On-site] On-site class

概要　Description
近年の情報技術の高度化、AI技術の進化・日常化によって、情報を扱うるあらゆる人材が高度な情報処理技術を求められる時代になってきた。特に、企業内でデータをメインに扱う役職に就く場合には、より高度なデータ処理技術、分析技術を駆使して、幅広いデータから素早く新たな知見や洞察を見出していくことが求められる。加えて、誰でもこのプロセスを行えるようにするために、アプリ化して提供するスキルも必要となってくる。

本講義では、学部時代に学んだ「プログラミング論1/2」や「情報処理概論」の延長として、Pythonを用いて自分でソースコード（プログラム）を記述することで、Web上の情報を自動収集し、そのテキスト情報を分析して何らかの洞察を提示する簡易的なWebアプリケーションを制作する。（進捗状況によっては、それ以外のテーマを追加する）

講義ではなく実習が中心であり、進捗が芳しくない場合には、講義時間以外にも積極的に作業をすることが求められる。
授業ではPythonを利用するが、Python言語自体の授業ではないことに注意すること。Pythonの基礎的事項は習得していることを履修の前提とする。

With the recent sophistication of information technology and the evolution and routine use of AI technology, it is imperative that all personnel handling information have advanced information-processing skills. In particular, those in positions within companies that primarily handle data must use more advanced data-processing and analysis techniques to quickly identify new insights and knowledge from a wide range of data. Additionally, they will need to have the skills to develop applications that enable anyone to perform this task.

In this course, as an extension of “Computer Programming 1, 2” and “Introduction to Information Processing,” which students learned as undergraduates, students will write their source code using Python to automatically collect information online and create a simple Web application to gain insights from that textual information. (Other themes may be added depending on progress.)

The course consists primarily of hands-on practice, not lectures, and students are expected to work actively outside of lecture time if they are not making good progress.
The course assumes that students have mastered the fundamentals of Python.
目的　Objectives
本講義では、分析技術を組み込んだWebアプリケーション制作を通じて、情報システムに対する理解を深めるとともに、自動化の考え方や、分析技術やAI技術をどのようにシステムの中に組み入れるべきか学ぶことを目的とする。また、テキストデータをメインに扱うことで、テキストデータの取り扱い方や分析方法を身につける。

本科目は、本学科のディプロマ・ポリシーの1に定められた「グローバル化や地球環境問題など広範かつ多様なビジネス環境で発生している諸々の問題に対して自然科学及び社会科学の知識を活用して解明するという基本的方針の下で理論的かつ実践的な考え方を身に付けている。」を実現するための科目である。

This lecture is intended to deepen students’ understanding of information systems by creating Web <!--[if !supportAnnotations]-->applications incorporating information analysis technology. Students will also learn the concept of automation and how to integrate analysis and AI technology into the applications. Additionally, by relying primarily on text data, the course is intended to familiarize students with its handling and analysis.

This course is designed to fulfill the first of the department’s required diploma policies. <!--[if !supportAnnotations]--> 


到達目標　Outcomes
  • Webスクレイピングによりデータを収集できるようになる。
  • ユーザインターフェースを踏まえたプログラミングができるようになる。
  • ブラウザ上で動作するウェブアプリ作成ができるようになる。
  • テキスト分析の基本が理解できる。

  • Understand how to collect data through Web scraping.
  • Understand how to perform programming that reflects user interfaces.
  • Understand how to create Web applications by working on Web browsers.
  • Understand the basics of textual analysis.
卒業認定・学位授与の方針との関係（学部科目のみ）
リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​
履修上の注意　Course notes prerequisites
  • Pythonがローカル環境にインストールされたノートPCを持参すること。
  • ライブラリ追加等の環境設定が自由にできること。
  • Pythonプログラミングの基礎的事項、機械学習の基本知識について理解していること。
    特に、学部時代にプログラミング論1、プログラミング論2、ビッグデータ解析を履修済みであることが望ましい。
  • 履修希望者は初回の授業（ガイダンス）に必ず参加すること。
  • 授業時間内の作業の進行が遅い場合には、授業時間以外にも作業を行うことがあることを理解したうえで履修登録を行うこと。

  • Bring a laptop with Python installed in the local environment.
  • Be able to configure the environment freely, such as by adding libraries.
  • Have a basic understanding of the fundamentals of Python programming and machine learning. In particular, it is desirable that students have already taken Computer Programming 1, Computer Programming 2, and Big Data Analysis as undergraduates.
  • Attend the first class, where guidance is given.
  • Register for the course in the understanding that one may be required to work outside of class time if the work progresses slowly during class time.

アクティブ・ラーニング科目　Teaching type（Active Learning）
ディベート・ディスカッション　Debate/Discussion／プレゼンテーション　Presentation／PBL (課題解決型学習)　Problem-based learning／実習　Practical learning
-

準備学習・復習　Preparation and review
  • 予習（2時間程度）：その日の講義で行うべき作業を事前に把握しておくこと。また、進度が遅い場合には、必要に応じて、講義外に作業を進め、進捗させておくこと。
  • 復習（2時間程度）：講義⽇の内容と、実施した演習について復習しておくこと。必要に応じて、復習用の講義外課題を与えることがある。

  • Preparation (about 2 hours): Students should be aware of the work to be done in that day’s lecture in advance. If progress is slow, students are encouraged to work outside the lecture to make progress as needed.
  • Review (about 2 hours): Students should review the content of the lecture and the exercises. Additional exercises may be assigned outside of the lecture. <!--[if !supportAnnotations]--> 


成績評価方法　Performance grading policy
  • 各講義における授業態度（進捗具合や宿題の提出状況を含む）（50%）と最終的なアプリの完成度（50%）に基づいて評価する。（到達度評価試験は実施しない予定である）
  • 各講義の最後に、進捗状況の確認を行う。（資料準備は不要であり、簡単に作業中の画面を見せて確認する）
  • なお、特段の事由無く、欠席が4回以上（全15回の約1/4以上）となった場合は、履修放棄とみなす。

  • Evaluation will be based on class attitude in each lecture (including progress and homework submission) (50%) and completion of final application (50%). There will be no final examinations.
  • Progress will be checked at the end of each lecture. (Preparation of materials is not required; it is sufficient to show a screen of one’s work in progress.)
  • If a student is absent more than four times (more than one quarter of the 15 lectures) for no particular reason, he/she will be considered to have dropped the course. <!--[if !supportAnnotations]--> 


学修成果の評価　Evaluation of academic achievement
・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings
教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)
N
書誌情報　Bibliographic information
講義資料、データ、サンプルコード等は講義開始前までにLETUS にて公開する。

Lecture materials, data, sample code, etc., will be made available on LETUS before the lecture starts.

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)
教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials
必要に応じて別途紹介する。

Reference books will be introduced separately as necessary.

授業計画　Class plan
◆講義計画
※1 受講⽣の理解度や全体的な進捗状況などに応じて、⼀部内容を変更する可能性がある。
※2 すべての履修学⽣に対して、半数以上の授業回を対⾯で受講することを求める。

【第01回】ガイダンス、Python環境の確認
【第02回-第03回】Webスクレイピングの基本、天気予報データを収集する、ニュース記事を収集する
【第04回-第06回】 テキスト分析の基本、収集したニュース記事データの分析
【第07回-第08回】データベースの仕組み、収集データ・分析結果のデータベース化
【第09回-第10回】ユーザーインターフェースの実装
【第11回-第12回】Webアプリケーション化
【第13回-第14回】各自によるWebアプリケーションのカスタマイズ
【第15回】まとめと成果発表


[Class plan]
*1 The content may change depending on the students’ level of understanding and overall progress.
*2 All students are required to attend at least half of the classes in person.

1st: Guidance,  Checking the Python environment
2nd, 3rd: Basics of web scraping, Collecting weather forecast data, Collecting news articles
4th to 6th: Basics of text analysis, Analysis of collected news article data
7th to 8th: How databases work, Creating databases of collected data and analysis results
9th to 10th: Implementation of user interface
11th to 12th: Development of web application
13th to 14th: Customization of his/her own web application by each participant
15th: Summary, Presentation of results

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor
-
教育用ソフトウェア　Educational software
-
Python環境（他のプログラミング言語は不可）
※1 Google Colaboratoryではなく、「ローカル環境」に環境構築すること
※2 講義で必要となるライブラリは、随時、講義内でpip install作業を行う

Python programming environment. Other programming languages are not accepted.
*1 You should build the environment in your local setting,  not use Google Colaboratory.
*2 You will install required library databases in the lecture as needed.

備考　Remarks

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class
Y
授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class
N