コンピューターサイエンス概論

プログラミング言語Pythonについての基本的な知識について学ぶとともに、プログラムを実行する環境であるGoogle Colaboratoryの使い方を学ぶ。

簡単な算術プログラムとして、総当たりによって解を求める方法や、近似解、二分法、ニュートン法について学ぶ。

フィボナッチ数と回文を例として、関数の再帰的定義・呼び出しと広域変数について学ぶ。

プログラムの実行効率について考えるために必要な、計算複雑性について学ぶ。

データを処理するための基本的なアルゴリズムとして探索アルゴリズムとソーティングアルゴリズムについて学び、これらの処理を効率的に行うためのデータ構造としてハッシュ表について学ぶ。

データを視覚的に理解するための方法として、データをグラフとしてプロットする方法について学ぶ。

AI等で必要不可欠な手法である最適化のアルゴリズムについて、ナップサック問題とグラフ最適化問題を通じて学ぶ。

最適化などを効率的に行う手法として動的計画法について学ぶ。

現実の世界で起こる様々なランダムな事象を扱うための基礎として、乱数を扱うプログラムを、ランダムウォークを例として学ぶ。

確率や統計を扱うために、乱数を用いたシミュレーション手法について学ぶとともに、確率や統計の基本についても学ぶ。

ランダムネスを用いるより進んだ、そして重要な手法としてモンテカルロ・シミュレーションについて、ギャンブルと円周率の計算を通じて学ぶ。

競技プログラミングの代表的なサービスの１つであるAtCoderの概要について学ぶとともに、競技プログラミングを行うために必要な基本的な事項についても学ぶ。

競技プログラミングに慣れていくために、文字列操作や入力の扱いなど、基本的なプログラムについて学ぶとともに、その計算量についても学ぶ。

より実践的な手法として、全探索、バケットなどのプログラミング手法について学ぶ。

さらに発展的な手法として、探索問題や動的計画法などの最適化問題について学ぶ。