11.工業技術概論

種類	例	説明

ワープロ	Microsoft Word google doc	論文や報告書、あるいはそれらの要旨などの文書を作成、印刷するアプリです。
表計算	Microsoft Excel google sheet	数値を計算し、表やグラフなどの図表を作成するアプリです。平均、標準偏差などの統計量も計算できます。データの件数は 30件程度までが適切です。それ以上の件数の場合、データベースアプリと連携して抽出したデータを使う方が効率的です。
プレゼンテーション	Microsoft Powerpoint google slide	講演スライドやポスターを作成できます。
グラフィックス	illustrator photo shop svgtopng gitmind mermaid	図形や写真などの画像の作成や編集をします。
ＣＡＤ	Solid works *
Ｗｅｂページ作成	HTML editor
データベース	Microsoft Access Microsoft SQL Server
動画編集
プログラミング	google colab
ビジネス・グループウェア	メールチャット Slack 会議 Zoom, Teams, Meet カレンダー、連絡先、名刺交換

アプリには、オペレーティングシステム (OS) 上で動く、インストールアプリと、 Webブラウザ上で動く Webアプリがあります。

アカウントを有効化して、サービスやアプリを利用する（ログイン、ログオン、サインイン）には、認証が必要です。

人気プログラミング言語は、java script、そしてpyton*と続きます。 *

種類	分類	言語	特徴

インタプリタ	Webアプリ	JavaScript	Webブラウザ上で動作（クライアントサイド）
	Webアプリ	vb script(vbs,vba,asp)
	AI Webアプリ	python （パイソン） ^1 ) *	データサイエンス * 、マテリアルズインフォマティクス *、ＡＩ
	教育	Scratch	ビジュアルプログラミング
コンパイル	OS	C	ポインタ、構造体
	汎用	VB.NET	オブジェクト指向（多重継承なし）
	汎用	Kotlin	アンドロイドアプリ向け
	OS	C++	オブジェクト指向

colab jupyter

ファイルベースのシステムでは、コンパイラ言語は実行可能なファイルを生成し、インタプリタ言語はそれを生成しないという違いがありました。しかし、クラウドベースになって、実行ファイルそのものをクライアントにダウンロードしなくなり、ジャストインコンパイルで実行結果だけを利用するようになるとコンパイラ言語とインタプリタ言語の違いは、あまり本質的でなくなりました。

科学技術用の伝統的な言語としては、FORTRANがあります。 FORTRAN系列の言語としては、BASIC、pythonがあります。統計用言語としてRがあります。

アルゴリズム重視の伝統的な言語としてALGOLがあります。 ALGOLは、Pascal, C, C++, C#,java, javascript, typescript, Kotlinと進化してきました。 juliaはCに迫る計算速度を誇ります。

サーバーサイドで使われてきたPerlや Ruby もクラウドで利用できるようになってきました。

人工知能で伝統的な言語Lispは、F#、 Schemeもクラウドで利用できるようになってきました。

人気プログラミング言語は、java script、そしてpython*と続きます。 *

python（パイソン）

応用例

無作為抽出	extracted = random.sample(data, 10)
平均	average = statistics.mean(data) average = np.mean(data)
標準偏差	std = statistics.stdev(data) std = np.std(data) std = np.std(data, ddof=1) # 標本標準偏差
散布図 *	import numpy as np import matplotlib.pyplot as plt # 乱数を生成 x = np.random.rand(100) y = np.random.rand(100) # 散布図を描画 plt.scatter(x, y)
ヒストグラム	import matplotlib.pyplot as plt ax1 = fig.add_subplot(211) ax1.hist(x1, bins=bins)
画像 (matplotlib) の例：

ともひろてすと

可読性重視の科学計算向け。 ^2

) ^3

)

Phthon (パイソン）は、多様なデータ構造が組み込まれているので、データ処理しやすい言語です。 Anaconda（アナコンダ）や、 Google Colaboratoy などの開発環境があります。 Phthonには、数値計算ライブラリNumPyがあります。 NumPyは、CやふFORTRANで、実装されていて、高速で実行できます。ほかにも、Matplotlib(グラフ描画ライブラリ） pandas(データ分析ライブラリ） TensorFlow(機械学習ライブラリ）　OpenCV（画像処理ライブラリ）など便利なライブラリが多数あります。

pymatgenライブラリは、まだあまり普及していない。 *

Webアプリを書くには、 django プラットフォームがあったほうがいいかも。

ワイブル分布の形

import math
import numpy as np
import matplotlib.pyplot as plt


x = []
y = []

alpha = 1 # 尺度パラメータ、放射能では半減期、プロセス制御では時定数と呼ばれる
beta = 1 # 形状パラメータ（ワイブル係数）
gamma = 0 # 位置パラメータ


for t in np.arange(0,3,0.1):
  h = (beta/alpha)*pow((t-gamma)/alpha,beta-1)
  R = math.exp(-pow((t-gamma),beta)/alpha)
  f = h * R
  x.append(t)
  y.append(f)
plt.plot(x, y)

©K.Tachibana

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(-10, 10, 0.1) # x軸
y = np.arange(-10, 10, 0.1) # y軸
 
X, Y = np.meshgrid(x, y)
Z = 0
for Y_off in np.arange(-7.5,7.5,0.1):
  Z = Z + 1/np.sqrt((X-5)**2 + (Y-Y_off)**2+1) - 1/np.sqrt((X+5)**2 + (Y-Y_off)**2+1)
#∞を回避するのに分母に１を足した 
cont = plt.contour(X,Y,Z,colors=['r', 'g', 'b'])
cont.clabel(fmt='%1.1f', fontsize=14)
 
plt.xlabel('X', fontsize=14)
plt.ylabel('Y', fontsize=14)
 
plt.show()

©K.Tachibana