CS156攻略

2026年4月5日 2026年4月5日

まめつぶ

COMSC156 について

COMSC 156「Introduction to Data Science」は、プログラミングと統計学の基礎を融合させた、データサイエンスのプロセス全体を学ぶ入門コースです。

この記事ではクラスの概要と、Aを得るための戦略を解説します。

クラスの概要と特徴

成績の評価は厳格に適用され、追認（Extra Credit）はありません。

高評価を得るためには、配点の高い課題に集中し、点数が保証されているクイズとラボを確実に行うことが重要です。

Homework Assignments：プログラム完成度、ファイル形式が重要。遅延ペナルティは1日あたり10%オフ。提出期限の1週間後にページが閉鎖される。

Project：全3パート。独自のトピックとデータセットを選択可能。

Exam/Final：期限直後にページが閉鎖される。事前の相談なく欠席するとドロップ対象となる可能性あり。

Lab Exercises：一番点数の低いもの1つがドロップされる。他の学生との議論・共同作業は許可される。水曜日の期限前に一度提出し、早期フィードバックを得て、完璧な状態で再び期限までに提出することが強く推奨される。

Lecture Video Quizzes：低い点数のもの3つまでドロップされる。毎週の講義ビデオ（3〜4本）視聴後に実施。クイズページは日曜日の深夜に閉鎖される。

Homework Assignments： 最も配点が大きいため、ファイル名や提出形式の要件を厳密に満たし（10%分）、コードの完成度（10%分）と問題の正答率（80%分）で満点を狙う。遅延ペナルティは1日あたり10%オフ。
Lecture Video Quizzes： 最低3回ドロップされるため、心理的な負担は小さいですが、毎週の学習進捗の確認と、10%の点数を確保するために、日曜日の締切までに確実に完了させましょう。
Lab Exercises： 水曜日（Due Date）より前に提出し、インストラクターから早期のフィードバックを得て修正することで、満点を確保できる可能性が高まります。再提出ペナルティはないため、この「早期フィードバック」戦略が有効です。

このコースは純粋なオンライン形式で、課題の期限管理が成功の鍵です。

【プロジェクト期限】 プロジェクトは全3つあります。

提出物閉鎖のルール：
- 宿題/プロジェクト/ラボ：期限から1週間後にページが完全に閉鎖されます。
- 試験（中間・期末）：期限直後にページが閉鎖されます。
- クイズ・ラボ演習ページ：翌週の日曜日深夜に閉鎖されます。
Canvasの通知設定：ログインを毎日行うか、期限のリマインダー通知を設定することが強く推奨されます。

問題解決と学習の促進には、用意されているサポートを最大限に活用しましょう。

教授のオフィスアワー
- Week 2以降：毎週木曜日/対面とzoom
- ラボや課題に関する質問は、必ずコンピューターを持参し、ソースファイルにアクセスできるようにしておく必要があります。
質問の場
- プログラミングやコース関連の一般的な質問は、コースディスカッションボードに投稿しましょう。他のクラスメイトと情報共有することで、全員が利益を得られます。
- 個人的な質問は、CanvasのInboxを通じて教授にメールしてください。
無料チュータリング
- コンピューターサイエンス（C++, Python, Java, Assembly）のチューターが、学生センターで対面およびZoomを通じて利用可能です。
- オンライン：月～木 10 a.m. - 5 p.m., 金 10 a.m. - 3 p.m.。

授業内容をさらに深めたい人や、課題の理解を助けたい人のために、無料で使える信頼性の高い学習サイトを紹介します。

W3Schools – Python Tutorial
https://www.w3schools.com/python/
文法の基本からファイル操作、モジュールまでを短く体系的に学べます。
※課題の提出形式や文法チェックに最適。
Real Python (無料記事あり)
https://realpython.com/
実践的なPythonの使い方、pandas・NumPyなどデータ処理の解説が丁寧です。

Kaggle Learn
https://www.kaggle.com/learn
“Intro to Data Science” や “Python” コースは完全無料。
COMSC156の内容（pandas, matplotlib, data visualization）とほぼ一致しています。
→ 実際のデータセットを使った練習ができるので、プロジェクト対策にも最適。
Google Colab
https://colab.research.google.com/
無料でJupyter Notebook環境を利用可能。
自分の課題を試したり、実験的にコードを実行するのに便利です。

Khan Academy – Statistics and Probability
https://www.khanacademy.org/math/statistics-probability
サンプリング、分布、確率、回帰などをアニメーションで直感的に理解できます。
→ COMSC156の「データのばらつき」「モデリング」理解を深めるのに役立ちます。

LeetCode / HackerRank (Python Practice)
https://leetcode.com/ / https://www.hackerrank.com/domains/python
基礎構文の練習からアルゴリズムの基礎まで対応。
COMSC156の初期課題（データ操作やループなど）の練習にちょうど良いレベル。