数理・データサイエンス・AI教育プログラム

 本校では、文部科学省の数理・データサイエンス・AI教育プログラム認定制度(リテラシーレベル)の認定を受けた教育を実施しています。

 

datascience.jpg

 

 

1.教育プログラムの取り組み概要図

1.jpg

 

2.対象者

 総合工学科に入学するすべての学生

 

3.プログラムによって身に付けられる能力等

 (1)社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解し、データ・AIを活用する価値を説明できる能力を習得する。

 (2)データの特徴を読み解き、起きている事象の背景や意味合いを理解し、適切な可視化手法を用いて、他者にデータを説明できる能力を習得する。

 (3)データ・AIを利活用する際のモラルや倫理、および個人のデータ保護のために留意する事項を理解し、実践できる能力を習得する。

 

4.プログラムを構成する科目

科 目 名

単位数

開講学年

開講時期

情報リテラシ

1

1

前期

工学基礎

1

1

前期

情報基礎I

1

1

後期

数理・データサイエンス基礎

1

1

後期

 科目名はWebシラバスへリンクしています。

5.学習内容とモデルカリキュラムとの対応

 数理・データサイエンス教育拠点コンソーシアムの数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラムと本教育プログラムの学習内容の対応は以下のとおりです。

授業に含まれている内容・要素

モデルカリキュラム対応箇所

講義内容「科目名」(講義の回)

(1)現在進行中の社会変化(第4次産業革命、Society 5.0、データ駆動型社会等)に深く寄与しているものであり、それが自らの生活と密接に結びついている。

【導入】

1-1 社会で起きている変化

・情報技術の発展「情報基礎I」(7)

【導入】

1-6  データ・AI 利活用の最新動向

・数理データサイエンスの展望「数理・データサイエンス基礎」(1)

・数理データサイエンスに用いられる技術概要と最新動向「数理・データサイエンス基礎」(2)

(2)「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの。

【導入】

1-2 社会で活用されているデータ

・電子メール、ネットワークの使い方「情報リテラシ」(3)

・情報収集とメディアリテラシ(ウェブ検索、文献の質)「情報リテラシ」(6)

【導入】

1-3 データ・AIの活用領域

・確定モデルと確率モデル「情報基礎I」(13)

・自然現象のモデル化とシミュレーション「情報基礎I」(14)

(3)様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域(流通、製造、金融、サービス、インフラ、公共、ヘルスケア等)の知見と組み合わせることで価値を創出するもの。

【導入】

1-4 データ・AI利活用のための技術

・デジタルにするということ「情報基礎I」(3)

・メディアとコミュニケーションツール、そのツール「情報基礎I」(4)

【導入】

1-5 データ・AI利活用の現場

・M, E, J, C, Aコースの概要と進路先「工学基礎」(5)(7)(9)(11)(13)

・M, E, J, C, Aコースの専門分野と研究内容「工学基礎」(6)(8)(10)(12)(14)

(4)活用に当たっての様々な留意事項(ELSI、個人情報、データ倫理、AI社会原則等)を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする。

【心得】

3-1 データ・AI利活用における注意事項

・データ・AI利活用における留意事項「数理・データサイエンス基礎」(14)

【心得】

3-2 データを守る上での留意事項

・コンピュータの構成・取り扱い方、情報セキュリティの管理「情報リテラシ」(2)

・情報セキュリティ「情報基礎I」(5)

・情報の関する法規、情報モラル「情報基礎I」(6)

(5)実データ・実課題(学術データ等を含む)を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法に関するもの。

【基礎】

2-1 データを読む

・データの分析と可視化1:データの集計・ソート「数理・データサイエンス基礎」(3)

・データの分析と可視化2:ヒストグラム、代表値「数理・データサイエンス基礎」(4)

・データの分析と可視化3:分散、標準偏差「数理・データサイエンス基礎」(5)

・データの分析と可視化5:最小2乗、回帰直線、相関係数「数理・データサイエンス基礎」(7)

【基礎】

2-2 データを説明する

・表計算ソフトウェアの使い方2(データ視覚化の方法)「情報リテラシ」(10)

・表計算ソフトウェアの使い方3(データ分析とグラフ・表を含む文作成)「情報リテラシ」(11)

・データの分析と可視化4:散布図「数理・データサイエンス基礎」(6)

・データの分析と可視化6:棒グラフ、帯グラフ「数理・データサイエンス基礎」(9)

・データの分析と可視化7:円グラフ、折れ線グラフ「数理・データサイエンス基礎」(10)

・データの分析と可視化8:レーダーチャート、箱ひげ図「数理・データサイエンス基礎」(11)

・データの分析と可視化9:複合グラフ「数理・データサイエンス基礎」(12)

【基礎】

2-3 データを扱う

・画像・動画処理ソフトウェアの使い方(各種画像、動画)「情報リテラシ」(7)

・表計算ソフトウェアの使い方1(表計算の考え方、データ処理)「情報リテラシ」(9)

・プレゼンテーションソフトウェアの使い方1(単純な資料の作成)「情報リテラシ」(12)

・プレゼンテーションソフトウェアの使い方2(動画・音声を含む資料の作成)「情報リテラシ」(13)

・プレゼンテーションソフトウェアの使い方3(オンライン会議の実践)「情報リテラシ」(14)

・データ活用実践「数理・データサイエンス基礎」(13)

 数理・データサイエンス教育拠点コンソーシアムの数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラムの「選択」に相当する学習内容を修めることができる科目は以下の通りです。

選択項目

科目名

4-1統計および数理基礎

数理・データサイエンス基礎

4-2アルゴリズム基礎

情報基礎I

4-3データ構造とプログラミング基礎

 

6.プログラムの修了要件

 プログラムを構成する「情報リテラシ」、「工学基礎」、「情報基礎I」、「数理・データサイエンス基礎」の合計4単位を修得していること。

 

7.実施体制

役  割

委員会等

運営責任者

校 長

プログラムの改善・進化

教務委員会

プログラムの自己点検・評価

点検・評価委員会

 

2.jpg

8.自己点検評価

3.jpg

9.申請書

 令和4年8月、本プログラムは文部科学省の数理・データサイエンス・AI教育プログラム認定制度(リテラシーレベル)の認定を受けました。

  ※申請書 こちら

上へ戻る