カリキュラムどんなことが学べる？
データサイエンス教育の理想のカリキュラムを教員が一から設計！
学会標準に基づく体系的なカリキュラムを展開
情報処理学会 データサイエンス?カリキュラム標準（専門教育レベル）に基づき、基礎となる数学?確率?統計学はもちろんのこと、データサイエンティストに求められる3つのスキル、そして応用領域に広がるデータ活用の実践力まで、着実に身に付けられる体系的なカリキュラムを展開しています。
出典 一般社団法人データサイエンティスト協会
「データサイエンティストに求められるスキルセット」
（参考）一般社団法人 情報処理学会HPより
https://www.ipsj.or.jp/annai/committee/education/public_comment/qe83kf0000002hlu-att/a1618203503118.pdf
理論と実践のスパイラル教育
1年生から3年生前期まで、「未来クリエーションプロジェクト」において様々な実課題を解決する実践力を身に付けるための演習を実施します。理論に先んじて演習を行うことにより理論習得の動機付けを与え、理論習得後にはその実践による理解定着を行うことにより、理論と実践のスパイラル教育をおこないます。
深化した研究が可能な1年半の卒業研究
3年生後期からは研究室に配属されます。テーマの発見から始め、一つのテーマを深く追求し意義のある卒業研究にするために、1年半の期間をかけてじっくり卒業研究に取り組みます。
データサイエンスを実践的に学ぶ「未来クリエーションプロジェクト」
「未来クリエーションプロジェクト」は、1年次から始まるプロジェクト演習です。まずはデータサイエンス活用のさまざまな先進事例を体験することで、その魅力と奥深さを実感。専門の異なる教員によるリレーローテーション形式で、多様な学びを提供します。
-
STEP
01
1年次前期ドローンや自走ロボットで
データサイエンスの基本を学ぶグループごとにドローンの実機を扱いながら、運行計画の立案や操作方法を習得。自走ロボットのプログラミングや機械学習の手法、プログラミング言語によるデータ解析についても学び、データサイエンスの基礎を理解します。
-
STEP
02
1年次後期グループでの
プログラミング開発に挑戦プログラミングの基礎を踏まえ、実際にコンピュータを操作しながら学ぶ授業。個人のプログラミングコンテストからはじまり、ペア、グループへと発展させながら、互いの力を合わせてプログラムを開発する力を養います。
-
STEP
03
2年次前期データの収集?解析で
社会の実態を明らかに課題解決のためにデータを収集、分析、可視化する方法を学びます。主なテーマは文書、観光、パーソナルデータ。例えば観光では、京都市、大阪市など特定の自治体のデータを時系列や空間軸によって分析し、その実態を明らかにします。
-
STEP
04
2年次後期ビジネス課題を
解決するAIをデザイン日本アイ?ビー?エム株式会社の現役データサイエンティストとともに、ビジネスの現場を想定した課題に取り組みます。主眼は課題を解決するためのAIをデザインすること。そのデザインをどのようにシステム化し、社会に実装するかまで考えていきます。
-
STEP
05
3年次前期集大成は
アプリケーションの設計?開発インターネットデータ、スマートデバイスのセンサーデータ、スポーツ選手に装着したIoTデータを収集?分析。その結果をもとに、アプリケーションを設計?開発します。データサイエンスの全体像を理解する、集大成ともいえる授業です。
- ■株式会社アクテック
- ■茨木市
- ■インテグラル?テクノロジー株式会社
- ■株式会社エヌジーシー
- ■AVR Japan株式会社
- ■大阪商工会議所
- ■九州電技開発株式会社
- ■株式会社KSKアナリティクス
- ■サイバネットシステム株式会社
- ■株式会社サミットシステムサービス
- ■特定非営利活動法人CAE懇話会
- ■株式会社JSOL
- ■タケロボ株式会社
- ■株式会社中央図研
- ■株式会社富士テクニカルリサーチ
- ■一般社団法人ツーリストシップ
AI?データのスペシャリストをめざすカリキュラム
情報学の基本をしっかり学びながら、AI?データのスペシャリストをめざす事ができる理想のカリキュラムを用意。様々な企業?自治体とも連携し、社会での実践を常に見据えた学びを展開します。
| 1年次 | 2年次 | 3年次 | 4年次 | |
|---|---|---|---|---|
| データサイエンス入門 | ■ データサイエンス概論 ■ データサイエンス基礎 ■ データサイエンス実践 | |||
| 統計学基礎 | ■ 統計学1 ■ 統計学基礎 ■ 統計学実践 | ■ 統計学2 | ■ 統計学3 | |
| 数学基礎 | ■ データサイエンスのための数学基礎 ■ データと数理1 | ■ データと数理2 | ■ データと数理3 | |
| データ分析?管理 | ■ データ可視化 ■ データマイニング基礎 | ■ 回帰と分類 ■ 情報検索 ■ データベース1 ■ モデリングとシミュレーション ■ 時系列分析 | ■ データベース2 ■ クラスタ分析とパターンマイニング ■ テキスト解析論 ■ 可視化情報学 ■ データ活用 | |
| コンピュータ科学?AI | ■ プログラミング基礎 ■ 計算機概論1 ■ アルゴリズム | ■ 計算機概論2 ■ ソフトウェア工学基礎 ■ 機械学習1 ■ 人工知能1 ■ ヒューマン?コンピュータ?インタラクション | ■ 機械学習2 ■ 人工知能2 ■ 計算機援用工学（CAE） ■ ビッグデータとクラウド | |
| 情報ネットワーク | ■ 情報ネットワークとWeb ■ セキュリティとプライバシー保護 | ■ セキュリティとデータ一貫性 ■ インターネット開発 | ||
| データサイエンス応用 | ■ スポーツデータ科学 ■ ビジネス基礎 ■ 健康?医療データ科学 ■ 観光情報学 ■ 事業機会とビジネスモデル | ■ サービス経営とデータサイエンス | ||
| プロジェクト?卒業研究 | ■ 未来クリエーションプロジェクト1?2 | ■ 未来クリエーションプロジェクト3?4 | ■ 未来クリエーションプロジェクト5 ■ 卒業研究1 | ■ 卒業研究2?3 |
| 初年次?キャリア | ■ 成蹊基礎演習1?2 ■ スタディスキルズ1?2 | ■ 企業等連携PBL ■ キャリアプランニング | ■ ビジネスインターンシップ1 ■ 情報と職業 |
-
データサイエンス概論
Introduction to Data Science
各教員がオムニバス形式でデータサイエンスに関連する話題を紹介する必修科目。AIやデータサイエンスの技術が観光や医療、製造など実社会の様々な分野でどのように扱われ、課題を探索し、解決するために活用されているのかを具体的な事例を通して学びます。また、他の科目で学ぶ数学、統計、情報といった基礎的内容がどのように応用されているかを理解します。
-
プログラミング基礎
Programming Basics
1年次に開講する全員必修の科目です。コンピュータが動作するために必要不可欠な要素であるプログラミングについて、基本概念である変数や条件分岐、繰り返し文などについて学び、基礎的なデータ操作の手法を身につけます。また、プログラム本体であるソースコードの記述の仕方であるドキュメンテーションやプログラムのテスト技法などについての学び、なぜそれらが必要か説明できることを目標とします。