人工知能とビッグデータ

近年のAI技術の目覚ましい進歩の背景には、ビッグデータの利活用の進展があるといわれています。一方で、ビッグデータの利活用は個人情報などの課題も生み出します。人間とAIとの関わり方を考察しながら、AIの概念・歴史・技術・課題について学びます。

統計解析ツールによるデータ分析

PythonやRなどを手段として、実践的にデータ分析を学びます。PCを用いた実習を通じて、データの収集や整理、検定・回帰・分類・クラスタリングなどの基本概念、統計や機械学習の基礎的な手法を習得します。

プログラミング中級

Pythonの基本的なプログラミング経験がある初学者を対象とします。遊び心のある具体的なプログラムの作成を通して、Pythonらしいプログラムの書き方を習得します。他のプログラミング言語との比較を通して、Pythonの特徴についても学びます。

人工知能概論

AI研究の方法論や適用分野の変遷を概観したあと、テキスト分類の事例紹介を通じて機械学習の考え方を学びます。大規模データの分析方法や、機械学習システムの評価方法、機械学習やデータ分析の落とし穴についても学びます。

基礎の機械学習

文章を学習して著者を推定する簡易なAIの作成を通して、人工知能の基盤技術である機械学習の基本的な概念と手法を数理的理解に重きをおいて学びます。「プログラミングで学ぶ機械学習」では、同じ内容をプログラミングを通して体験的に学びます。

プログラミングで学ぶ機械学習

文章を学習して著者を推定する簡易なAIの作成を通して、人工知能の基盤技術である機械学習の基本的な概念と手法を、実際にプログラミングを行うことにより体験的に学びます。「基礎の機械学習」では、同じ内容を数理的理解に重きをおいて学びます。

基礎のニューラルネット

古典的なパーセプトロンから深層学習まで、人工ニューラルネットワークの基礎的な仕組みと応用を、プログラミングを通して定見的に学びます。対となる科目「基礎のニューラルネット」では、同じ内容を数理的理解に重きをおいて学びます。

プログラミングで学ぶニューラルネット

古典的なパーセプトロンから深層学習まで、人工ニューラルネットワークの基礎的な仕組みと応用を、実際にプログラミングを行うことにより体験的に学びます。「基礎のニューラルネット」では、同じ内容を数理的理解に重きをおいて学びます。

人工知能とビッグデータ

近年のAI技術の目覚ましい進歩の背景には、ビッグデータの利活用の進展があるといわれています。一方で、ビッグデータの利活用は個人情報などの課題も生み出します。人間とAIとの関わり方を考察しながら、AIの概念・歴史・技術・課題について学びます。

基礎の機械学習

文章を学習して著者を推定する簡易なAIの作成を通して、人工知能の基盤技術である機械学習の基本的な概念と手法を数理的理解に重きをおいて学びます。「プログラミングで学ぶ機械学習」では、同じ内容をプログラミングを通して体験的に学びます。

プログラミングで学ぶ機械学習

文章を学習して著者を推定する簡易なAIの作成を通して、人工知能の基盤技術である機械学習の基本的な概念と手法を、実際にプログラミングを行うことにより体験的に学びます。「基礎の機械学習」では、同じ内容を数理的理解に重きをおいて学びます。

統計解析ツールによるデータ分析

PythonやRなどを手段として、実践的にデータ分析を学びます。PCを用いた実習を通じて、データの収集や整理、検定・回帰・分類・クラスタリングなどの基本概念、統計や機械学習の基礎的な手法を習得します。

プログラミング中級

Pythonの基本的なプログラミング経験がある初学者を対象とします。遊び心のある具体的なプログラムの作成を通して、Pythonらしいプログラムの書き方を習得します。他のプログラミング言語との比較を通して、Pythonの特徴についても学びます。

人工知能概論

AI研究の方法論や適用分野の変遷を概観したあと、テキスト分類の事例紹介を通じて機械学習の考え方を学びます。大規模データの分析方法や、機械学習システムの評価方法、機械学習やデータ分析の落とし穴についても学びます。

基礎のニューラルネット

古典的なパーセプトロンから深層学習まで、人工ニューラルネットワークの基礎的な仕組みと応用を、プログラミングを通して定見的に学びます。対となる科目「基礎のニューラルネット」では、同じ内容を数理的理解に重きをおいて学びます。

プログラミングで学ぶニューラルネット

古典的なパーセプトロンから深層学習まで、人工ニューラルネットワークの基礎的な仕組みと応用を、実際にプログラミングを行うことにより体験的に学びます。「基礎のニューラルネット」では、同じ内容を数理的理解に重きをおいて学びます。

情報リテラシー

ワープロ・表計算ツール・プレゼン作成ツール・AIツールなど、大学生活の中だけでなく、社会に出てからも役にたつオフィスツールのスキルを習得します。AIと正しく付き合うための倫理や個人情報・著作権の理解、情報セキュリティについても学びます。

表計算ツールによるデータ分析

馴染みのあるExcelなどの表計算ツールを手段として、実践的にデータ分析を学びます。PCを用いた実習を通じて、データの収集や整理、検定・回帰・分類・クラスタリングなどの基本概念、統計や機械学習の基礎的な手法を習得します。

プログラミング初級

プログラミングの経験のない初学者を対象とした講義です。AIやデータサイエンスの実装で一般的に使用されるPythonか、インタラクティブなウェブページの実装に用いられるJavaScriptのいずれかを選んで、実習主体で学びます。

データサイエンスのための情報理論

人工知能の基盤である統計理論と情報理論を対比しながら、情報量・カルバックライブラー情報量・相互情報量などの情報理論の中心的概念を、数理的理解に重きをおいて学びます。「プログラミングで学ぶ情報理論」では、同じ内容をプログラミングを通して体験的に学びます。

プログラミングで学ぶ情報理論

統計理論と情報理論を対比しながら、情報量・カルバックライブラー情報量・相互情報量などの情報理論の中心的概念を、実際にプログラミングを行うことにより体験的に学びます。「データサイエンスのための情報理論」では、同じ内容を数理的理解に重きをおいて学びます。

基礎のアルゴリズム

アルゴリズムを工夫することにより問題解決の計算量を飛躍的に改善できる例を通して、アルゴリズム設計の重要性を数理的理解に重きをおいて学びます。「プログラミングで学ぶアルゴリズム」では、同じ内容をプログラミングを通して体験的に学びます。

プログラミングで学ぶアルゴリズム

アルゴリズムを工夫することにより問題解決の計算量を飛躍的に改善できる例を通して、アルゴリズム設計の重要性を、実際にプログラミングを行いながら体験的に学びます。「基礎のアルゴリズム」では、同じ内容を数理的理解に重きをおいて学びます。

画像情報

ディジタル画像処理入門の講義です。画像処理をブラックボックスにすることなく、その基礎を、アフィン変換・フーリエ変換などの数学を解説しながら、プログラミングを通して学びます。「コンピューターグラフィックス」では更に発展した内容を扱います。

コンピューターグラフィックス

3次元コンピューターグラフィックス入門の講義です。バーチャルリアリティー(VR)体験ソフトを作成することを目標とし、A-Frameから出発して、JavaScriptを学びながら、Three.jsとWebGLを使ってCGの基礎理論を学びます。

ネットワークと通信

インターネットがどのような仕組みで動いているかを学びます。インターネットの基本的な概念であるIPアドレス・MACアドレス・パケット通信、通信の信頼性、通信を構成するプロトコル、プロトコルの階層的な役割分担など、技術的な要素について解説します。

情報セキュリティと情報倫理

インターネットの安全・安心を技術的に支える情報セキュリティと、人間が遵守しなければならない情報倫理について学びます。公開鍵基盤や法などの制度的な仕組みから、サイバー攻撃の被害者にならないための個人の考え方まで、網羅的に安全の仕組みを解説します。

計算機科学とプログラム初級

プログラミング言語について学びながら、コンピューターの基礎知識を習得し、論理的思考能力を養います。C言語を主に学びますが、言語に依存しないプログラミングの本質を理解するために、他のプログラミング言語でのプログラムとの比較を行います。

計算機科学とプログラム中級

「計算機科学とプログラミング・初級」で学んだ内容を出発点に、より深くプログラミング言語について学びながら、コンピューターの基礎知識を習得し、論理的思考能力を深め、より高度なプログラミングを作成する能力の育成を目指します。

情報理論概論

情報理論は情報を量としてとらえるための理論です。音声・画像・動画の保存、インターネット通信やQRコードなど多くの場面で用いられています。情報量の概念とデータ圧縮や誤り訂正の仕組みの学習を通して、情報理論の基本的な考え方について理解を深めます。

コンピューター科学概論

コンピューターの動作原理と普遍的な情報・計算の概念について学びます。コンピューターによる問題解決を支える理論と技術を概観し、コンピューターの可能性と限界について理解を深めます。データサイエンスや機械学習などの背景知識を学ぶことも目的とします。

情報技術基礎

インターネットを含む情報インフラを安全かつ効率的に利用するために知っておくべき、ネットワーク・情報検索・情報セキュリティ・著作権の基本を学びます。また、Webページやマルチメディアコンテンツ制作の初歩を実践的に習得します。

数値解析および計算機1

数値解析と計算論理の入門の講義です。この講義では、具体的な例を使って、関数計算・線形計算・常微分方程式などにおける基本的な数値解析法を、解析的解法と対比しつつ、解説します。紙と鉛筆で解けない問題はプログラミングできないことを理解します。

数値解析および計算機2

計算機を使った自然現象の研究手法は、実験や理論と同じように重要な役割を担っています。この講義では、自然現象を観察し、モデル化する方法を解説します。数値計算の誤差精度評価、計算結果のシミュレーションについても学びます。

データサイエンスのための数学基礎

データサイエンスは数学に基礎をおいていますが、必ずしも理論体系の完全な理解が必要であるわけではありません。データサイエンスに必要な数学のエッセンスのみを取捨して、ハンズオン教材などを多用しつつ、応用と関連付けながら直感的に学びます。

暗号技術

現代暗号技術は従来実現できなかったサービスを実現するイネーブリング技術として注目を集めています。この講義では、暗号の安全性の数学的な定式化の歴史的な変遷から論を起こし、零知識証明や完全準同型暗号など現代暗号理論の最新の成果までを紹介します。

情報社会(人工知能の現場)

ChatGPTはAIの効用を広く知らしめましたが、産業界では従来からAIが縁の下の力持ちとして我々の生活を支えています。実社会で人工知能を活用している企業人・大学教員などを講師として迎え、事例紹介を中心にAIの利活用について学びます。

情報技術(情報セキュリティの現場)

情報サービスへの依存度が益々加速している今日、多面的に情報セキュリティを理解することは重要です。第一線で社会を守っている著名なハッカーが、豊富な実例のデモやハンズオンを活用して、分かりやすく情報セキュリティの現実を解説します。

コンピューターと情報技術

現代社会でコンピューターと情報技術を有効に利活用することを目的に、コンピューターを構成するハードウェアとソフトウェアの概要、コンピューターシステムの構成要素、マルチメディア技術、ネットワークとセキュリティについて学びます。

プログラミング初級

プログラミングの経験のない初学者を対象とした講義です。AIやデータサイエンスの実装で一般的に使用されるPythonか、インタラクティブなウェブページの実装に用いられるJavaScriptのいずれかを選んで、実習主体で学びます。

コンピューター科学概論

コンピューターの動作原理と普遍的な情報・計算の概念について学びます。コンピューターによる問題解決を支える理論と技術を概観し、コンピューターの可能性と限界について理解を深めます。データサイエンスや機械学習などの背景知識を学ぶことも目的とします。

情報リテラシー

ワープロ・表計算ツール・プレゼン作成ツール・AIツールなど、大学生活の中だけでなく、社会に出てからも役にたつオフィスツールのスキルを習得します。AIと正しく付き合うための倫理や個人情報・著作権の理解、情報セキュリティについても学びます。

表計算ツールによるデータ分析

馴染みのあるExcelなどの表計算ツールを手段として、実践的にデータ分析を学びます。PCを用いた実習を通じて、データの収集や整理、検定・回帰・分類・クラスタリングなどの基本概念、統計や機械学習の基礎的な手法を習得します。

データサイエンスのための情報理論

人工知能の基盤である統計理論と情報理論を対比しながら、情報量・カルバックライブラー情報量・相互情報量などの情報理論の中心的概念を、数理的理解に重きをおいて学びます。「プログラミングで学ぶ情報理論」では、同じ内容をプログラミングを通して体験的に学びます。

プログラミングで学ぶ情報理論

統計理論と情報理論を対比しながら、情報量・カルバックライブラー情報量・相互情報量などの情報理論の中心的概念を、実際にプログラミングを行うことにより体験的に学びます。「データサイエンスのための情報理論」では、同じ内容を数理的理解に重きをおいて学びます。

基礎のアルゴリズム

アルゴリズムを工夫することにより問題解決の計算量を飛躍的に改善できる例を通して、アルゴリズム設計の重要性を数理的理解に重きをおいて学びます。「プログラミングで学ぶアルゴリズム」では、同じ内容をプログラミングを通して体験的に学びます。

プログラミングで学ぶアルゴリズム

アルゴリズムを工夫することにより問題解決の計算量を飛躍的に改善できる例を通して、アルゴリズム設計の重要性を、実際にプログラミングを行いながら体験的に学びます。「基礎のアルゴリズム」では、同じ内容を数理的理解に重きをおいて学びます。

画像情報

ディジタル画像処理入門の講義です。画像処理をブラックボックスにすることなく、その基礎を、アフィン変換・フーリエ変換などの数学を解説しながら、プログラミングを通して学びます。「コンピューターグラフィックス」では更に発展した内容を扱います。

コンピューターグラフィックス

3次元コンピューターグラフィックス入門の講義です。バーチャルリアリティー(VR)体験ソフトを作成することを目標とし、A-Frameから出発して、JavaScriptを学びながら、Three.jsとWebGLを使ってCGの基礎理論を学びます。

ネットワークと通信

インターネットがどのような仕組みで動いているかを学びます。インターネットの基本的な概念であるIPアドレス・MACアドレス・パケット通信、通信の信頼性、通信を構成するプロトコル、プロトコルの階層的な役割分担など、技術的な要素について解説します。

情報セキュリティと情報倫理

インターネットの安全・安心を技術的に支える情報セキュリティと、人間が遵守しなければならない情報倫理について学びます。公開鍵基盤や法などの制度的な仕組みから、サイバー攻撃の被害者にならないための個人の考え方まで、網羅的に安全の仕組みを解説します。

計算機科学とプログラム初級

プログラミング言語について学びながら、コンピューターの基礎知識を習得し、論理的思考能力を養います。C言語を主に学びますが、言語に依存しないプログラミングの本質を理解するために、他のプログラミング言語でのプログラムとの比較を行います。

計算機科学とプログラム中級

「計算機科学とプログラミング・初級」で学んだ内容を出発点に、より深くプログラミング言語について学びながら、コンピューターの基礎知識を習得し、論理的思考能力を深め、より高度なプログラミングを作成する能力の育成を目指します。

情報理論概論

情報理論は情報を量としてとらえるための理論です。音声・画像・動画の保存、インターネット通信やQRコードなど多くの場面で用いられています。情報量の概念とデータ圧縮や誤り訂正の仕組みの学習を通して、情報理論の基本的な考え方について理解を深めます。

情報技術基礎

インターネットを含む情報インフラを安全かつ効率的に利用するために知っておくべき、ネットワーク・情報検索・情報セキュリティ・著作権の基本を学びます。また、Webページやマルチメディアコンテンツ制作の初歩を実践的に習得します。

数値解析および計算機1

数値解析と計算論理の入門の講義です。この講義では、具体的な例を使って、関数計算・線形計算・常微分方程式などにおける基本的な数値解析法を、解析的解法と対比しつつ、解説します。紙と鉛筆で解けない問題はプログラミングできないことを理解します。

数値解析および計算機2

計算機を使った自然現象の研究手法は、実験や理論と同じように重要な役割を担っています。この講義では、自然現象を観察し、モデル化する方法を解説します。数値計算の誤差精度評価、計算結果のシミュレーションについても学びます。

データサイエンスのための数学基礎

データサイエンスは数学に基礎をおいていますが、必ずしも理論体系の完全な理解が必要であるわけではありません。データサイエンスに必要な数学のエッセンスのみを取捨して、ハンズオン教材などを多用しつつ、応用と関連付けながら直感的に学びます。

暗号技術

現代暗号技術は従来実現できなかったサービスを実現するイネーブリング技術として注目を集めています。この講義では、暗号の安全性の数学的な定式化の歴史的な変遷から論を起こし、零知識証明や完全準同型暗号など現代暗号理論の最新の成果までを紹介します。

情報社会(人工知能の現場)

ChatGPTはAIの効用を広く知らしめましたが、産業界では従来からAIが縁の下の力持ちとして我々の生活を支えています。実社会で人工知能を活用している企業人・大学教員などを講師として迎え、事例紹介を中心にAIの利活用について学びます。

情報技術(情報セキュリティの現場)

情報サービスへの依存度が益々加速している今日、多面的に情報セキュリティを理解することは重要です。第一線で社会を守っている著名なハッカーが、豊富な実例のデモやハンズオンを活用して、分かりやすく情報セキュリティの現実を解説します。

コンピューターと情報技術

現代社会でコンピューターと情報技術を有効に利活用することを目的に、コンピューターを構成するハードウェアとソフトウェアの概要、コンピューターシステムの構成要素、マルチメディア技術、ネットワークとセキュリティについて学びます。

副専攻プログラム データサイエンス START 副専攻プログラム データサイエンス START
21世紀に最も魅力的なキャリアへの第一歩
文部科学省「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・応用基礎レベルを取得
文部科学省
「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・応用基礎レベルを取得
学部・学科を問わず参加可能(事前申請は不要です)

Data Scientist: The Sexiest Job of the 21st Century
この記事がHarvard Business Reviewに掲載されたのは2012年でした。2012年はGoogleが開発したAIが画像中の猫を識別することに成功した年でもあります。2017年には、AIは囲碁の世界チャンピオンを打ち負かすという事件で注目を集めました。現在はChatGPTを代表とする生成AIの能力が日々人々を驚かせています。機械学習・AIの技術に裏付けられ、データサイエンスを取り巻く仕事は輝きを増し、多様化しています。人々の自身のキャリアへの展望も、社会の要求も多様化しています。多様性に応えられるカリキュラムの提供を目指します。

着実にステップアップできるカリキュラム 着実にステップアップできるカリキュラム

データサイエンスプログラムでは、多様な内容の科目を用意しています。それぞれのバックグラウンドとキャリアパスに適合するように自分自身でコースを設計できます。

指定科目
セキュリティや倫理から人工知能に関わる専門的な内容まで、幅広い範囲をカバーする科目群を用意しています。データサイエンスプログラムを修了するためには、指定科目から修了条件を満たすように単位を修得して下さい。

コア科目
指定科目の中で、本プログラムの育成目標を達成するためにコアとなる科目を指定しています。リテラシーレベルの修了にはコア科目から4単位以上、応用基礎レベルの修了にはコア科目から8単位以上の単位修得が求められます。
リテラシーレベル

指定科目から8単位以上。4単位はコア科目から選択。
必須科目:人工知能とビッグデータ、情報リテラシー
選択必須科目:統計解析ツールによるデータ分析、表計算ツールによるデータ分析から1科目

指定科目
コア科目その他指定科目
必須科目人工知能とビッグデータ情報リテラシー
選択必須科目統計解析ツールによるデータ分析OR表計算ツールによるデータ分析
選択科目
コア科目の選択科目を表示
その他指定科目の選択科目を表示
指定科目
コア科目その他指定科目
必須
科目
人工知能とビッグデータ情報リテラシー
選択
必須
科目
統計解析ツールによる
データ分析
OR
表計算ツールによる
データ分析
選択
科目
コア科目の
選択科目を表示
その他指定科目の
選択科目を表示
応用基礎レベル

指定科目から16単位以上。8単位はコア科目から選択。
必須科目:人工知能とビッグデータ、プログラミング初級、コンピューター科学概論
選択必須科目:基礎の機械学習、プログラミングで学ぶ機械学習から1科目

応用基礎レベルを修了するとデータサイエンス副専攻修了の認定を受けられます。
指定科目
コア科目その他指定科目
必須科目人工知能とビッグデータプログラミング初級コンピューター科学概論
選択必須科目基礎の機械学習
OR

プログラミングで学ぶ機械学習
選択科目
コア科目の選択科目を表示
その他指定科目の選択科目を表示
指定科目
コア科目その他指定科目
必須
科目
人工知能とビッグデータプログラミング初級
コンピューター科学概論
選択
必須
科目
基礎の機械学習
OR

プログラミングで学ぶ
機械学習
選択
科目
コア科目の
選択科目を表示
その他指定科目の
選択科目を表示
※指定科目・修了条件は2024年4月時点のものです。正しい情報はシラバス・履修要覧などで確認して下さい。
※データサイエンス副専攻プログラムの指定科目がデータサイエンスプログラムの指定科目と異なることがあります。シラバス・履修要覧などで確認して下さい。
着実にステップアップできるカリキュラム 着実にステップアップできるカリキュラム

プログラムへの参加は事前申請は不要です。通常の履修登録と同じ手続きで、プログラムの指定科目の履修登録を行って下さい。リテラシーレベル・応用基礎レベルにはそれぞれ修了条件があります。修了証明の発行は計算機センターに申請して下さい(副専攻の修了証明は教務課に申請して下さい)。

こちらから科目概要をチェック こちらから科目概要をチェック

今後期待されつづけるデータサイエンスの魅力 今後期待されつづけるデータサイエンスの魅力

多様な業界で活躍できる

データサイエンスやAIは、今や、
幅広いビジネスの場面で活用されています。

  • マーケティング

    ビッグデータとして得られるマーケティングデータに基づいて、商品やサービスの開発計画やマーケティング戦略を決めます。

  • 製 造

    製品設計の一部をAIに委ねることにより開発の効率化が実現されます。製造の現場にもロボットが導入され、正確性と効率が向上しています。

  • 品質管理

    データサイエンスを活用することでプロアクティブな品質管理が可能となり、製造不良に起因するトラブルを未然に防ぎます。

  • 医 療

    MRI・CTなどの医療画像の分析には、知識と経験が必要でした。AIを活用した医療検査は、医師の正確な診察をサポートします。

  • 製 薬

    分子構造を設計する製薬の仕事は、組み合わせの多さから多大な時間がかかっていました。データサイエンスとスーパーコンピューターの活用により、大幅な時間短縮が可能となりました。

  • スポーツ

    データサイエンスによりスポーツの戦術も変化しています。大リーグでのフライボール革命(フライを打った方がヒット率が高い)もデータサイエンスの果実であると言われています。

データサイエンスは
社会に必要とされている

先端IT人材の担当業務に関するグラフ

データサイエンス・AIの知識とスキルは
社会に求められている

データサイエンス・AIにおけるキャリアでは、専門性が尊重され、仕事で活かされていることが伺えます。 今までは仕事の中で専門性を培っていくことが多かったのですが、これからは大学時代に基礎を作っておくと有利です。 また、尊重される専門性をもつことで、キャリアを野心的に開拓していくことが可能となります。

データサイエンティストを含む
先端IT人材が今後不足し続ける

これからの発展のためには先端IT技術が鍵となるといわれる一方で、先端ITを担う人材の不足は拡大していくと予想されています。 文部科学省も「数理・データサイエンス・AI」教育を推進しています。 先端IT人材には技術者だけではなく、先端ITの理解を武器としてビジネスを創出する人材も含まれています。

先端IT人材の人材不足に関するグラフ

データサイエンスを学んで広がるキャリアパス データサイエンスを学んで広がるキャリアパス

データサイエンスプログラムは、コンパクトでありながら、参加者個別のキャリア設計にあわせて履修科目の組み合わせを考えることが出来るように設計されています。 専門的・数理的な科目もありますが、データ分析の基礎を教える科目、プログラムで分かりやすいグラフを作成する方法が学べる科目などがあります。

  • AIを使った仕事がしたい

    AIサービスを活用して業務の質を向上させる、AIに基づいて新しいビジネスを展開する、AIモデルを開発しビジネスシーズを創出する、レベルは多様ですが、AIは新しいキャリアパスを切り拓くキーワードのひとつです。

  • 就職活動でアピールしたい

    生成AIサービスが公開され、業務の中にAIがどんどん浸透していきます。AIを正しく安全に活用するためのノウハウや知識を大学で体系的に学んでおくことは、就職活動において強力なアピールポイントになります。

  • AIを教えられる教師になりたい

    「情報」が高校教育に導入された背景には、AI分野における日本の競争力を高める狙いがあります。世界に伍して技術力の日本であり続けるためには、小中高での教育のクオリティを支える教員が鍵となります。

  • 卒論で差をつけたい

    ビッグデータの活用は検索の重要性に光を当てましたが、生成AIは俯瞰的ビジョンやデータを見る視点が重要であることを示しています。データ分析力を養って、確かな研究力を身につけましょう。

理想のキャリアを実現できる3つのポイント 理想のキャリアを実現できる3つのポイント

体験型学習で
初学者に優しい教材

\ データサイエンスの授業を覗いてみよう! / \ データサイエンスの授業を覗いてみよう! /

ハンズオン教材を多用します。ハンズオン教材により、受講者は手許でプログラムを実行しながら、体験的・能動的に概念を理解できるようになります。

文理問わず受講しやすい
カリキュラム設計

データサイエンスプログラムのカリキュラムは、文系・理系を問わず、自分自身のレベルとキャリア設計にあわせて履修科目の組み合わせを工夫できる多様性を有しています。シラバスを読んで、自分に必要な科目を探し出して下さい。

就職にも活きる
プログラムの修了証明

データサイエンスプログラムのリテラシーレベル・応用基礎レベルは、文部科学省「数理・データサイエンス・AI教育プログラム」の認定を受けています。修了条件を満足し、申請を行うと、レベル毎に修了証明を発行します。修了証明はオープンバッジ※1により電子的に発行しますので、電子履歴書に貼り付けて資格をアピールすることが出来ます。応用基礎レベルを修了すると、学習院大学データサイエンス副専攻修了証明書※2の発行を受けることも可能ですので、専攻に加えてより幅広い専門性をアピールすることができます。

※1 一般社団法人オープンバッジ・ネットワークが発行する電子的な資格証明です。
※2 2023年度以降の入学者が対象です。

プログラム履修者の声 プログラム履修者の声

内定を機に履修を決意。
在学中の学びが大きな利点。

経済学部経済学科4年 鈴木 悠太さん

就職活動を経て、システム会社への内定をいただいたことを機に、プログラミングや情報理論について学びたいと思い、履修を決意しました。在学中から就職後を見据えた学習に取り組めることは、とても大きなアドバンテージになると思います。今後は基本情報技術者試験の受験を予定しており、過去問題集を解いていると、自信をもって回答できる問題も多く、確かな力が身についたと実感しています。

未知に対する確かな知識とスキルを
未来への力に。

法学部法学科1年 間中 優理子さん

私はAIという言葉に苦手意識があったのですが、将来的にAIに関する知識の欠如は重い枷になると思い履修を決めました。「人工知能概論」という授業では、人工知能の歴史、人工知能が現代社会へ及ぼす影響などを理解し、AIに対する漠然とした苦手意識が払拭されました。プログラムを通じて、膨大なデータを前にした時、自身が求める情報に適した分析方法が選択できるスキルを身につけたいです。

教授からのメッセージ 教授からのメッセージ

多様性に富んだカリキュラムで、
広がる可能性と選択肢。

学習院大学 計算機センター /
人文科学研究科アーカイブズ学専攻 久保山哲二教授

データサイエンスを学ぶことは、AIの知識やデータ分析のスキルを修得するだけでなく、未知の課題に対する洞察力を深め、データに裏打ちされた判断力を養うことにも繋がります。本プログラムは、文理を問わず、実践的なデータ分析から理論的な背景まで、幅広い学習機会を提供し、自分に合ったカリキュラム設計ができることが特徴です。将来のキャリアに広がりをもたらす視点を身につけましょう。