学びとカリキュラム
INDEX
Learning
データサイエンス学科での学び
*学科名を含む記載内容はすべて構想中であり、変更となる場合があります。
4年間のステップ
1年次
初年次教育として基礎を学ぶ。
- 数学と統計学の基礎
- Pythonプログラミングの基礎
- ソフトスキルの基礎
⇒基礎演習科目で実践力を養う
2年次
専門的な内容へと学びを進める。
- データサイエンス理論のPython
- プログラミングの活用
- ソフトスキルの展開
- 3つのドメインの基礎
⇒基礎プロジェクト科目で実践力を鍛える
3年次
データサイエンスの専門性を磨く。
- データサイエンス理論の展開
- 3つのドメインへの適用
⇒演習科目で実践力を磨く
4年次
Capstone Projectで学びの成果を示す。
- ケーススタディによるデータサイエンス理論の深化
⇒身につけた能力を専門演習科目で存分に発揮する
学べる専門領域
データサイエンス理論
データを用いて適切な記述・診断・予測・処方を行う、データアナリティクスを学ぶ専門領域です。その中には人工知能（AI）の基盤となる機械学習の内容も含まれます。応用的な内容として様々なデータ解析法や自然言語処理など、高度なデータサイエンス理論まで学ぶことができます。
Pythonプログラミング
データサイエンスにPythonを用いるためのプログラミングを学ぶ専門領域です。まずはPythonによるプログラミングの基礎から学び、それを統計学に適用し、さらに実際にデータの記述・診断・予測・処方を行うデータアナリティクスに活用する能力を身につけることができます。
ソフトスキル
実社会で様々な実践的活動を行う際に不可欠な能力を、理論と実践を繰り返しながら身につける専門領域です。思考法、チームやプロジェクトのマネジメント能力などを身につけることができます。
3つのドメイン
データサイエンスを適用する領域を学ぶ専門領域です。総合情報学部では「人」をかかわりの深い3つの領域、マーケティングや人的資源管理などのビジネス領域、組織行動などの心理領域、食や運動などの健康領域の専門性を身につけることができます。
学びを通して得られる⼒
- 数学と統計学を中心に基礎的な数理リテラシーを身につける。
- データサイエンスを用いて適切な分析と予測ができる。
- AIの背後にある理論を理解できる。
- ドメイン知識とソフトスキルで実践力を身につける。
- 社会においてデータ利活用の中心的な役割を担う。
Curriculum
カリキュラム
データサイエンスを用いて適切に分析と予測をする能力を身につける。
1年次には「初年次教育」および「基礎科目群」「数学・統計学」「プログラミング」「ソフトスキル」の基礎的な科目から履修を開始し、2年次以降で「データサイエンス理論」「データサイエンス演習」「ドメイン」科目についても基礎的な科目から応用的な科目へと履修を進めることになる。理論の理解と演習における実践を繰り返すことで、知識とスキルのより深い定着を目指す。4年次に学びの集大成として「卒業研究・演習」が配置されている。
