プログラムの構成
本学の副専攻制度の教育プログラムのひとつです。令和5年度に設置されました。
数理・データサイエンス・応用基礎プログラムの科目（「データサイエンス基礎」、「地域学ゼミナール」の2科目に加え、「データサイエンス応用A」または「データサイエンス応用B」のいずれか1科目の計3科目6単位）と「データサイエンス実践」の4科目8単位を履修します。
※令和7年度以前の入学者については、名称が異なる科目がありますので、以下により確認してください。
| 令和8年度以降入学者科目名 | 令和7年度以前入学者科目名 |
|---|---|
| データサイエンス応用A | データサイエンス発展Ⅰ |
| データサイエンス応用B | データサイエンス発展Ⅰ |
| データサイエンス実践 | データサイエンス発展Ⅱ |
授業内容
「データサイエンス基礎」「地域学ゼミナール」「データサイエンス応用A」「データサイエンス応用B」については、「数理・データサイエンス・リテラシープログラム」、「数理・データサイエンス・応用基礎プログラム」を参照してください。
データサイエンス実践
応用基礎プログラムで修得したPythonプログラミングによるデータ分析能力を発展させ、「データサイエンス実践」ではAI（ニューラルネットワークモデル）のアルゴリズムを学び、具体的な課題を用いて実践的な課題解決方法を学びます。画像データ処理、時系列データ処理、自然言語処理にニューラルネットワークを応用する。
身に付けることができる知識と能力
「データサイエンス基礎」「地域学ゼミナール」「データサイエンス応用A」「データサイエンス応用B」については、「数理・データサイエンス・リテラシープログラム」、「数理・データサイエンス・応用基礎プログラム」を参照してください。
データサイエンス実践
- データに対して適切なAI手法を選択し、その理由を説明できる
- ニューラルネットワーク（CNN・RNN等）を実装し、データを適用できる
- 課題設定からモデル構築・評価・改善までの一連のプロセスを設計し、結果を論理的に報告できる
- AIモデルの社会実装における倫理的・技術的課題を指摘できる
授業の方法
「データサイエンス基礎」「地域学ゼミナール」「データサイエンス応用A」「データサイエンス応用B」については、「数理・データサイエンス・リテラシープログラム」、「数理・データサイエンス・応用基礎プログラム」を参照してください。
データサイエンス実践
全15回のうち前半の9回は講義と演習を行う。後半の6回ではグループごとに課題解決学習を行い、分析結果を発表会で報告する。