資料請求 close
検索
資料請求 インターネット出願

数理・データサイエンス・AI教育プログラム

1.MDASHに準じた授業科目の設置

※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

mdash01.jpg

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。

「データ・AI・情報リテラシー」のイメージ.png

※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)

  • 多種多様なデータをもとに特徴を捉えて推し量ることができる
  • 最新の技術動向を理解し、デジタル化に対応することができる
  • 実社会とのつながりを意識し、課題に取り組むことができる

【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」)

  • データドリブン思考をもとに最適な意思決定ができる
  • 生成AIを使ったデータ分析やプログラミングができる
  • 実社会の課題に対し、協調的に取り組むことができる

2.修了要件

(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(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

大学概要