※2024(令和6)年8月に認定されました ※有効期限:2029(令和11)年3月31日まで

文部科学省から要請されている「数理・データサイエンス・AI教育プログラム認定制度」(MDASH)に対応すべく、本学での研究や卒業後に業務などで収集したデータを数理的な視点、AI・データサイエンスの技術を適用して分析することにより、得られた情報を課題解決へ活かせる人材の育成を目指しています。この目標に基づき、本学では以下の2つの教育プログラムを開始しました。
・2023年度に「データ・AI・情報リテラシープログラム」(リテラシーレベル:「人間と情報」を設置)
・2025年度に「データ・AI実践力プログラム」(応用基礎レベル:「データ科学実践」を設置)
これらのプログラムにより、以下の図に示すプロセスに従って、課題解決を図る人材の育成に努めます。

※上図は本学のプログラム運営責任者が作成
上図に従って課題解決策を導き出すことで組織や社会を変革させ、地域経済を発展させていくためには専攻を問わず、以下の知識や技術が必要不可欠となります。
(1) 社会におけるデータ・AIの利活用
(2) データを読み、理解をしたことを説明して扱うための技術
(3) データ・AIの利活用に関する留意事項(情報倫理、セキュリティなど)
以上のことを全学科で学び、就職活動や四年制大学への編入学を考える学生に対応し、以下の能力を身につけることができる教育を行っています。
【学生が身につけられる能力】(全学対象:リテラシーレベル「データ・AI・情報リテラシープログラム)
【学生が身につけられる能力】(経営情報学科対象:応用基礎レベル「データ・AI実践力プログラム」)
(1)リテラシーレベル:全学科で「人間と情報」(教養必修科目) を1年次前期に2単位取得することが修了要件
| 各回の授業内容(オンラインで実施、実習も行う) | |
|---|---|
|
第1回 |
ガイダンス:プログラム認定制度の概要説明など |
|
第2回 |
社会で起きている変化:Society5.0、第4次産業革命、IoT、DX、SDGsなど |
|
第3回 |
社会で活用されているデータ:オープンデータとそのExcelによる処理 |
|
第4回 |
データ・AI利活用のための技術(1):構造化データの可視化(グラフ作成など) |
|
第5回 |
構造化データの可視化(時系列データの可視化・分析) |
|
第6回 |
データ・AI利活用のための技術(2):非構造化データの扱い、AIの仕組み、自然言語処理など |
|
第7回 |
データ・AIの活用領域と各々の現場 |
|
第8回 |
データ・AI利活用の最新動向:強化学習、転移学習、GAN、生成AI(ChatGPTなどの対話AI)など |
|
第9回 |
データを読む・説明する(1):データの種類、平均値の求め方、母集団と標本など |
|
第10回 |
データを読む・説明する(2):標準偏差の求め方、標準偏差の可視化 |
|
第11回 |
データを読む・説明する(3):相関と因果 |
|
第12回 |
データを説明する・データを扱う:データの並べ替え、集計表の作成など |
|
第13回 |
第9回~第12回までの内容に関するまとめ |
|
第14回 |
データ・AI利活用における留意事項:ELSI、GDPR、個人情報保護法、セキュリティなど |
|
第15回 |
全体の総括 |
(2)応用基礎レベル:経営情報学科の専門選択科目「データ科学実践」を2年次前期に2単位取得することが修了要件
| 各回の授業内容(対面で実施、実習も行う) | |
|---|---|
|
第1回 |
データ駆動型社会、分析設計、AIの歴史・社会への応用など |
|
第2回 |
データ表現(基数変換、配列によるデータ表現、ベクトルによるデータ表現など) |
|
第3回 |
データサイエンス基礎(1):計数値の分布(二項分布など) |
|
第4回 |
データサイエンス基礎(2):計量値の分布①(一様分布) |
|
第5回 |
データサイエンス基礎(3):計量値の分布②(正規分布) / 仮説検定 |
|
第6回 |
実践的なデータ処理技術の基礎(1):ビッグデータの収集・蓄積・活用 |
|
第7回 |
実践的なデータ処理技術の基礎(2):アルゴリズムとプログラミングの基礎 |
|
第8回 |
実践的なデータ処理技術の基礎(3):JavaScriptによるプログラミング |
|
第9回 |
AIの基礎と展望(1):機械学習の基礎と展望(教師あり学習、教師なし学習、強化学習など |
|
第10回 |
AIの基礎と展望(2):深層学習の基礎と展望 |
|
第11回 |
AIの基礎と展望(3):生成AIの基礎と展望 |
|
第12回 |
AIの構築と運用 |
|
第13回 |
AI・データサイエンス実践(1):AI・データサイエンス基礎の内容に関する総合演習 |
|
第14回 |
AI・データサイエンス実践(2):データ表現とアルゴリズムの内容に関する総合演習 |
|
第15回 |
全体の総括 |
「数理・データサイエンス・AI教育プログラム推進委員会」を設置し、さらに実施内容の点検・評価を行って、その継続的な改善にも取り組むために、以下の図に示す実施体制をとっています。

令和5年度 自己点検・評価報告書 数理・データサイエンス・ AI教育プログラム [PDF形式]
令和6年度 自己点検・評価報告書 数理・データサイエンス・ AI教育プログラム [PDF形式]
令和7年度 自己点検・評価報告書 数理・データサイエンス・ AI教育プログラム(リテラシー) [PDF形式]
令和7年度 自己点検・評価報告書 数理・データサイエンス・ AI教育プログラム(応用基礎) [PDF形式]
※本学は「数理・データサイエンス・AI教育強化拠点コンソーシアム」(北信越ブロック)の会員校として認定されています。