「データ駆動型サイエンス推進プログラム」
数理・データサイエンス・AI教育プログラム(応用基礎レベル)取組概要
理工学部における各専門分野においてデータ駆動型サイエンスの重要性が増しています。
「理工学の専門性 × データサイエンス = イノベーション」といった価値観が大きくなり社会からの要請も増えています。これに応えるために、すでに開講されている「秋田大学地域におけるDX推進プログラム」(リテラシーレベル)をさらに発展させた「データ駆動型サイエンス推進プログラム」を開講します。
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)における3つの基本的要素を身につけることができます。
|
プログラム修了者には認定証が授与されます。
プログラム名称
データ駆動型サイエンス推進プログラム
開始年度
令和5年度
本プログラムの目的と目標
本プログラムを履修することで、数理・データサイエンス・A Iを活用して課題を解決するための実践的な能力を育成し、卒業後に大きな付加価値となることを目指します。
- データ駆動型社会において、数理・データサイエンス・A Iについて学ぶことの意義を説明できる
- プログラミングの基礎を通して、課題解決のためのデータ収集・加工・解析・可視化・評価の一連のプロセスを体験する
- A Iの歴史やどのような分野に応用されているのかについての知識を得る
- ニューラルネットワークの利用や実装についての理解
- 目的に応じて適切なデータ分析方法やデータの可視化方法を選択できる
- 自らの専門分野にデータサイエンスやA I技術を応用することができる
修了要件(カリキュラム)
「データサイエンスリテラシー概論」、「基礎情報学」、「基礎A I学」(各1単位)の計3単位を必修科目とし、「確率統計Ⅰ」、「確率統計Ⅱ」、「基礎データサイエンス学Ⅰ」、「基礎データサイエンス学Ⅱ」、「データサイエンスⅠ」、「データサイエンスⅡ」、「情報セキュリティⅠ」、「情報セキュリティⅡ」、「超スマート社会のプラクティス」(各1単位)から4単位以上を選択科目として履修すること。
カリキュラムマップ
授業構成
本プログラムの授業内容
授業科目名 | 単位数 | 授業内容 |
データサイエンスリテラシー概論 | 1単位 |
社会の急激な変化に伴い、数理・データサイエンス・AIの素養が求められるようになってきた。 数理・データサイエンス・AIが社会の中でどのように活用され、新たな価値を生み出しているのか理解し、数理・データサイエンス・AIを適切に利用するために、数理・データサイエンス・AIの発展してきた歴史から最新の技術動向まで社会における例を示しながら取り扱う。 データサイエンスリテラシー概論 授業紹介(外部サイト) |
基礎情報学 | 1単位 | データ処理の技術を基盤から学び、プログラミングを通じてデータを人や社会にかかわる課題に活用する能力を育成する。
プログラミング実践の体験を積みながら、データの表現と構造、アルゴリズムと制御構造、データ解析と可視化などの基本プロセスについて理解を深め、データに基づいた解決策を考案・実行する能力の基礎を築く。 |
基礎A I学 | 1単位 | ニューラルネットワークの基本から始め、手書き数字認識を例として実際にニューラルネットワークの実行・経験をする。
ニューラルネットワークがどのような仕組みで手書き数字を認識するのか、どのようにしてニューラルネットワークが活用・応用されるのか、それら基本的な仕組みをコンピュータ演習と講義を通じて学ぶことを目的とする。 基礎AI学 授業紹介(外部サイト) |
確率統計 Ⅰ 確率統計 Ⅱ |
各1単位 |
確率論と統計学に関する基本的な事項(確率、確率変数、期待値、独立性、条件付き確率、推定等の基礎的概念)を扱う。 確率統計 授業紹介(外部サイト) |
基礎データサイエンス学Ⅰ 基礎データサイエンス学Ⅱ |
各1単位 |
データサイエンス、特に多変量解析の様々な手法を、実例を交えながら紹介する。実習を通して目的に合わせたデータの可視化や分析を実行する能力を身につけることを目的とする。 基礎データサイエンス学 授業紹介(外部サイト) |
データサイエンスⅠ データサイエンスⅡ |
各1単位 |
データサイエンスの基礎的事項を概観し、分類の基礎的方法、回帰分析と正則化、検証の基礎的方法、統計的因果推論の基礎的方法を理解することを目標とする。 データサイエンス 授業紹介(外部サイト) |
情報セキュリティⅠ 情報セキュリティⅡ |
各1単位 |
セキュリティを担保する様々な技術や考え方とそれらがどのように連携してセキュリティを担保するか学ぶ。 情報セキュリティ 授業紹介(外部サイト) |
超スマート社会のプラクティス |
1単位 | 様々な分野の概念や手法を統合して新しい価値を創出する総合的能力を習得するために、超スマート社会を構成する実例(AIの利活用、ビッグデータ、クラウドサービス、環境、ヘルスケア、金融・サービス、防災・エネルギーなど)やセキュリティを理解するとともに、 AIが社会に受けれられるために考慮すべき論点について学ぶ。 |