TOPキーワード
データサイエンティスト育成プログラム（応用基礎・情報）
プログラムの理念
データやAIを活用して、社会をよりよくする人材を育成することです。
教育目的
データやAIを専門分野で活かすためのスキルおよび大局的な視点を身につけることを目的としています。
プログラム概要
本プログラムにおいて身に付けることのできる能力
- データ駆動型社会における、データサイエンスの重要性を理解する。
- データ分析を学ぶための基礎知識を身につける。
- データ分析の基本的なプロセスや基礎スキルを身につける。
- データの種類や取り扱いについて理解する。
- データを取り扱うための基礎スキルを身につける。
- AIの背景や社会とのつながりについて理解する。
- AIを取り扱うための基礎スキルを身につける。
- AIや関連技術の利用を実践的にトレーニングをする。
本プログラムの修了要件
プログラムの修了要件は以下の通りです。
電子通信コース： 全ての必修科目と、基礎電気数学、電子情報基礎実験I、電子情報応用実験の単位を取得すること。
未来情報コース： 全ての必修科目と、プログラミング応用、IoTプログラミング基礎、IoTエンジニアリング応用の単位を取得すること。
知能情報コース： 全ての必修科目と、データ構造とアルゴリズムI、情報工学基礎実験、知能情報システム設計の単位を取得すること。
本プログラムにおいて開設される授業科目
本プログラムの授業科目は情報学部の全ての学生を対象として開講されています。各学年での開講科目は以下の通りです。
| 1年 | 必修 | 工学・情報系の基礎数理I（３単位） |
|---|---|---|
| 特殊講座（データサイエンス入門）(２単位） | ||
| コンピュータ基礎(２単位） | ||
| 情報処理基礎(２単位） | ||
| プログラミング基礎(２単位） | ||
| 人工知能概論(２単位） | ||
| 選択 | 基礎電気数学(２単位） | |
| プログラミング応用(２単位） | ||
| データ構造とアルゴリズムI(２単位） | ||
| 2年 | 必修 | 工学・情報系の数理I（２単位） |
| 確率・統計（２単位） | ||
| 情報と職業（２単位） | ||
| 選択 | 電子情報基礎実験I(２単位） | |
| IoTプログラミング基礎(２単位） | ||
| 情報工学基礎実験(２単位） | ||
| 3年 | 選択 | IoTエンジニアリング応用(２単位） |
| 知能情報システム設計(２単位） | ||
| 電子情報応用実験(２単位） |
本プログラムにおいて開設される授業の内容
近年、人工知能（AI）・ロボット・Internet of Things(IOT)・ビッグデータ等の技術の急激な進化により、あらゆるものの情報が電子化され，結びつき、相互に影響を及ぼし合う未来社会の到来が見込まれています。この未来社会（デジタル社会）では従来の「読み・書き・そろばん」に代わって「数理・データサイエンス・AI」の三拍子が必要とされており、データサイエンスは，情報分野だけでなく、工学、化学、薬学、芸術などの全ての分野に共通して必要となっています。本講義では、データサイエンスとは何かということを学び、データサイエンスがさまざまな分野でどのような可能性をもち、今後、どのような技術開発につながっていく可能性があるのかということを、データサイエンス教育や企業での研究開発の現場での話を聞くことによって学びます。また、講義の後半では、実際にデータ解析のためのソフトウェアを活用し、基本的な知識と技術を学びます。講義では、データサイエンスと社会との関わりを学びながら、ノートパソコンを使って実社会に存在する課題やデータを利用した演習を行います。
（１）データ利用が社会変化に深く寄与し生活と密接に結びついていること
この講義の1回で、データサイエンスとは何かということを学び、各分野における専門科目とデータサイエンスとの関係性を学びます。2回目と3回目の講義では、企業や大学の専門家による講演会を行い、教育・企業の現場でデータやAIがどのように進化し、どのように活用されているのか学びます。
（２）データ利用が広範囲の課題を解決する有用なツールになり得ること
3回目の講義で、社会で活用されている最先端のデータ活用技術について学び、9回目の講義でデータ解析の技術がさまざまな分野でどのような効果をもたらす可能性があるのか、具体的な企業による技術開発の成果について学習します。
（３）データは様々な知見と組み合わせることで価値を創出すること
7回目の講義でデータ解析の実社会での活用事例を挙げて機械学習やシミュレーションシステムなどへ応用することによる効果について学習し、8回目の講義で実際のデータを用いて、データの集計、グラフ化、相関関係の抽出などの演習を通して新たな見解が得られることを学びます。
（４）データを活用するに当たっての留意事項
4回目の講義でデータを扱う際に必要なデータリテラシーについて学び、６回目の講義でAIやデータの利用についての正しい倫理観をもつことの重要性について学びます。
（５）数理・データサイエンス・ＡＩの基本的な活用法に関すること
10回から15回の講義では、ノートパソコンを使ってデータ解析演習を行います。事前に設定したいくつかのテーマ（2020年度は、マルチエージェントシミュレーションによるデータ解析、lobeによる画像データを使った深層学習、Jupyter Notebook(Python言語)を使ったクラスタリング)の中から選択し、グループを作って課題に取り組む。
（６）実装を意識した一連の流れをデザインすることが必要であること
４回目、５回目の講義ではデータ分析の一連の流れおよび、各ポイントにおける落とし穴について学びます。また10回から15回の講義では実際にデータを取り扱いながら、一連の流れを実践的に学びます。
本プログラムにおいて開設される授業の方法
「特殊講座（データサイエンス入門）」は1年後期の授業期間外に集中講義として開講されます（CAP外）。授業はオンデマンド型の遠隔授業です。上記科目は授業に2/3以上出席した上で最終成績が60点以上で単位取得となります。2年以上も受講可能であるが、2018年度以前に入学した学生は聴講のみで単位を取得することはできません。
プログラム対象者
本プログラムは崇城大学の情報学部の学生で、2020年度以降の入学生が対象です。本プログラム履修には申請等は必要なく、各年度の修了要件の科目を履修した学生を対象とみなします。
各年度で履修できない場合でも、卒業までに修了要件を満たせばプログラム修了者とみなします。
授業のシラバス
モデルカリキュラムとの対応
数理・データサイエンス・AI教育プログラム認定制度（応用基礎レベル）申請書
データサイエンス教育ワーキンググループの発足
令和2年2月：データサイエンス教育内容の検討のため、本学のさまざまな学部・学科に所属する教員からなる「データサイエンス教育ワーキンググループ」を作成し、28日に第1回目のワーキング会議を実施しました。会議では、このワーキングが発足するに至った経緯について説明があり、令和3年度から実施予定のデータサイエンスの講義の内容についての話し合いが行われました。
プログラムの改善・進化を担当する組織
データサイエンス教育ワーキングメンバー- 堀部 典子（情報学部 情報学科 教授）
- 西園 祥子（生物生命学部 生物生命学科 教授）
- 津曲 紀宏（総合教育センター 准教授）
- 古賀 元也（工学部 建築学科 准教授）
- 西嶋 仁浩（情報学部 情報学科 教授）
- 林 修平（生物生命学部 生物生命学科 准教授）
- 池田 徳典（薬学部 薬学科 教授）
- 中山 泰宗（学長付 准教授、Dx推進本部長、総合情報センター長）
プログラムの自己点検・評価する組織
自己点検・評価委員会リンク
- 文部科学省「数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）」
- 内閣府「AI戦略」
- 数理・データサイエンス教育強化拠点コンソーシアム
- 数理・データサイエンス教育強化拠点コンソーシアム 九州・沖縄ブロック（九州大学）
自己点検・評価
令和4年度 自己点検・評価報告書