本プログラムにおいて身に付けることのできる能力等
データサイエンス特別プログラム > 本プログラムにおいて身に付けることのできる能力等
プログラムの学修成果（学生等が身に付けられる能力等）
リテラシーレベル
- 「数理・データサイエンス・AI」は、もはや特別な知識ではなく、⽇常の⽣活、仕事等の場においてそれらを「使いこなすこと」が当たり前の世界が既に到来している。本プログラムを修了することで、このことを理解し、実際に、数理・データサイエンス・AI の恩恵を享受するための、基礎能力を身に付けられる。
応用基礎レベル
- 「数理・データサイエンス・AI」の技術は、すでに誰もがアクセス・活用が可能なツールであり、「現代社会を生き抜くための武器」であることが実感を持って理解できるとともに、応用基礎レベルに必要な知識の獲得及び、クラウド上にあるビッグデータを用いたデータ分析の基礎能力を修得できる。
対応表・リテラシーレベル
※すべてのデータサイエンス科目はこちらを参照すること
※モデルカリキュラムについてはこちらを参照すること
※令和元年度以前入学者の対応表はこちら
| 授業に含まれている内容・要素 | 授業概要 | 左記に対応する主な授業科目 |
|
現在進行中の社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついている
|
必修科目である「データサイエンス基礎」において、社会で起きている変化及びデータ・AI利活用の最新動向についての概論を学び、その具体的な仕組みについて、同じく必修科目である「情報の科学」で掘り下げて学ぶ。選択科目では、RESASやPython、Youtube等の具体的なサービスや、クラウドと連動したセンサーなどを用いたプログラミング等を理解でき、ビッグデータに触れ、そのデータが形作るAI及び駆動する社会を実践をとおして学修することができる。 |
データサイエンス基礎 |
|
「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの
|
必修科目である「データサイエンス基礎」において、社会で活用されているデータ及びデータ・AIの活用領域についての概論を学び、AIの仕組みについて、同じく必修科目である「情報の科学」で掘り下げて学ぶ。選択科目では、RESASで人の行動ログデータのビッグデータを扱い、また、オープンデータを用いることで、医療や少子化をはじめとする日常生活や社会の課題に対して、仮説検証、知識発見、原因究明、計画策定等ができることを理解する。 |
データサイエンス基礎 |
|
様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出するもの
|
必修科目である「データサイエンス基礎」において、主にWord,Excel,PowerPointを用いたデータ取扱のための技術及びデータ・AI利活用の現場の概論を学び、AIの仕組みについて、同じく必修科目である「情報の科学」で掘り下げて学ぶ。選択科目では、主にRESASとPythonを用いた実践的なデータ活用技術・事例に加え、Rによるビックデータ分析を理解する。 | データサイエンス基礎 情報の科学 統計学から未来を見る Pythonデータ分析入門 ビジネス・データ分析 データで考える日本の未来（データサイエンス） 統計ソフトRによるビッグデータ分析 金融リテラシー 白書の講読と議論 地域課題解決と政策立案のための統計データ分析 |
|
活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、ＡＩ社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする
|
必修科目である「データサイエンス基礎」において、主にデータ倫理、AI社会原則等のデータ・AIを扱う上での基礎的な留意事項を学び、同じく必修科目である「情報の科学」ではセキュリティ面のデータを守る上での留意事項を掘り下げる。選択科目では、暗号化や、個人情報保護、著作権等の理解を深めることができる。 |
データサイエンス基礎 |
|
実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの基本的な活用法に関するもの
|
必修科目である「データサイエンス基礎」において、主にWord,Excel,PowerPointを用いた基礎的なデータの「読み方、説明方法、扱い方」を学ぶ。選択科目においては、統計手法を中心に、RESASや白書、医療データや自身の金融行動等を用いて、社会での実例を題材とした「データを読む、説明する、扱う」についての理解を深める。 |
データサイエンス基礎 |
| 統計及び数理基礎 | – | 統計数学A 統計数学B 数学的発想法 確率・統計解析Ａ 確率・統計解析B 信頼性工学Ａ 信頼性工学B 確率・統計及び演習 確率論基礎 実験・調査分析法 バイオ統計学演習Ａ バイオ統計学演習B |
| アルゴリズム基礎 | – | 情報の科学 情報・計算科学基礎 |
| データ構造とプログラミング基礎 | – |
情報の科学 |
| 時系列データ解析 | – | – |
| テキスト解析 | – | – |
| 画像解析 | – | – |
| データハンドリング | – | Pythonデータ分析入門 情報・計算科学基礎 プログラミング演習 確率論基礎 バイオ統計学演習Ａ バイオ統計学演習B バイオデータベース演習Ａ バイオデータベース演習B ビジネス・データ分析 統計データ分析の基本（多変量解析） 統計ソフトRによるビッグデータ分析 |
| データ活用実践（教師あり学習） | – | 実験・調査分析法 統計データ分析の基本（多変量解析） |
| データ活用実践（教師なし学習） | – | – |
対応表・応用基礎レベル
※すべてのデータサイエンス科目はこちらを参照すること
※モデルカリキュラムについてはこちらを参照すること
| 授業に含まれている内容・要素 | 授業概要 | 左記に対応する主な授業科目 |
|
データサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎（統計数理、線形代数、微分積分）」に加え、ＡＩを実現するための手段
|
「統計学から未来を見る」は RESAS について、解説と実習を通して学ぶ授業である。RESAS から得たデータを分析するために数学基礎を学ぶ。次いでアルゴリズム、データ表現、プログラミング基礎を「情報の科学」から修得する。 |
|
|
ＡＩの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にＡＩを活用する際の構築から運用までの一連の流れを知識として習得するＡＩ基礎的なものに加え、「データサイエンス基礎」、「機械学
|
「統計学から未来を見る」で学ぶ RESAS はビッグデータを集約し、可視化するシステムである。そこに格納された統計データから現状や将来を分析し、地域課題の解決策を考えることで、データ駆動型社会とデータサイエンス、分析設計、ビッグデータとデータエンジニアリングについて学ぶ。また、AIの基礎的な学修は「AI入門」「情報の科学」によって網羅する。「Society5.0概論A」及び「B」を通して、具体的事例に触れ、「イノベーション・エッセンス2」では理工、人文、医薬保健研究域の多種の領域の融合するという新しい切り口で、未来の医療・健康増進分野を担うイノベーションについて学ぶ。 |
統計学から未来を見る AI入門 情報の科学 Society5.0概論A Society5.0概論B イノベーション・エッセンス2 |
| 本認定制度が育成目標として掲げる「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。応用基礎コアのなかでも特に重要な学修項目群であり、「データエンジニアリング基礎」、及び「データ・ＡＩ活用 企画・実施・評価」から構成される。 | 「地方創生：RESASのビッグデータで地域課題を考える」を授業目標とする「統計学から未来を見る」において、統計データから現状や将来を分析し、地域課題の解決策を考えるPBL型の学修を行う。 | 統計学から未来を見る |