教育活動

新カリキュラム

2022年度よりデータサイエンスにフォーカスした情報科目の新カリキュラムがスタートします。

近年の目覚ましい技術の進歩により、産業界におけるAI人材の需要は急速に高まり、この傾向はこれからも続くと考えられています。

データサイエンスの分野はビッグデータの社会的・産業的好価値が見出された時に再認識され、2000年代に入って著しい進歩を見せたAI技術を取り込んで、データサイエンティストという新しい職種を生み出しました。データサイエンティストは、統計など数理的な理解を背景に、AI技術とデータ分析技術を武器として、全く新しい視点による価値をデータから引き出し、社会と産業に貢献します。

AI技術が成熟してきた現在では、新しいピジネス領域を創造する人材としてグロースハッカーという職種も注目を集めています。グロース(growth)=成長のハッカーは、先端のIT技術を駆使してビジネスを実装、効果を検証し、有効であれば更に発展させることで、成長を創造するクリエーターです。現代では「AI技術を活用していかに新しい価値を創造するか」がグロースハッカーにとって成功の鍵になると言われていますが、背景として人間と社会に対する理解は欠かせません。

情報科目新カリキュラムでは、データサイエンス入門科目群を新設し、将来データサイエンティストやグロースハッカーを目指すための基礎力を養う手伝いをします。

データ分析-機械学習(AI)プログラミング・数学/統計の4分野がデータサイエンスの基礎であると言われていますが、新カリキュラムでは、これらの分野をバランスよく学べるよう科目を配置しています。また、理論を座学で学ぶより、手を動かしながら理解を進めることを重視し、ハンズオン教材を多用、クラウド上の先進の情報教育環境を利用することで、実践的な教育を目指します。

科目構成

大学生活を送る上ではもとより、社会に出ても、インターネットを含む情報環境とうまくつきあえる能力が必要になって来ています。インターネット上で提供されるサービスを有効に利用するためには知識やスキルが必要ですし、サイバー犯罪の脅威から身を守るためには倫理やセキュリティの常識を身につけておく必要があります。情報科目では、これらの基礎的な知識やスキルを情報リテラシーと呼び、情報リテラシーを習得するための科目を提供しています。また、日々進化、多様化する情報技術や情報社会について正しい理解を持つことは、現代の教養人としてとても重要なことです。加えて、近年の人工知能(AI)技術の急速な進歩は、AIの知識やスキルを活用できる人材=データサイエンティストに対する社会の需要を創出しました。情報科目のカリキュラムでは、基本から先端までのトピックを扱う教養科目と、データサイエンスへの入門となる専門科目を用意し、個々人のキャリアデザインに合わせて「情報力」を培うお手伝いをします。


情報リテラシー科目

正しい理解を持って安心安全に情報環境を利用するための知識とスキルを習得する。

  • 情報リテラシー
    • オフィスツールの利用スキル、情報倫理・セキュリティの常識など、情報環境を有効安全に利用するための最低限の知識とスキルを習得する。
  • 情報技術基礎
    • 情報社会で提供される多様なサービスの仕組みを正しく理解しながら利用できるように、ネットワーク・情報検索・情報セキュリティ・著作権などの基礎的な知識とスキルを習得する。

情報教養科目

日々進化・多様化する情報技術と情報社会について正しい理解を得る。

  • 情報技術基礎
    • 情報技術と情報社会
      • 情報技術情報社会の基礎となるトピック、先端のトピックについて、教養レベルの知識を習得する。
  • データサイエンスへの最初の一歩
    • データ分析の基礎をツールを用いた実習を通して学ぶ。
      • 情報技術の基礎を概観し、データサイエンスへの興味を涵養する。

データサイエンス入門科目

AI技術の進歩により注目を集めるデータサイエンスへの入門となる知識とスキルを習得する。

  • データサイエンスの為のプログラミング
    • Alの分野の標単的なプログラミング言語であるPythonを学ぶ。
  • プログラミングで実践的に学ぶデータサイエンス
    • プログラムによるシミュレーションを通して、データサイエンスの概念や手法の応用を学ぶ。プログラミング経験者であればより深い理解を得ることができる。
  • 原理で理解するデータサイエンス
    • データサイエンスの原理を基礎から学ぶ。「実践的に学ぶデータサイエンス」をあわせて受講すれば、実践と原理の両面から深い理解を得ることができる。
  • AI技術の重要な応用
    • 画像情報: ディジタル画像処理の数理的な基礎を理解し、プログラミングによる初歩的な画像解析手法を習得する。
    • コンピューターグラフィクス(CG): CGの開発環境について学び、プログラミングにより簡単なバーチャルリアリティを体験する。
開講科目

情報リテラシー科目

  • 情報リテラシー
    • 大学での学習において必携のツールであるMicrosoft Officeについて、Word・Excel・PowerPointの基礎的な利用方法を学ぶ。加えて、インターネットをスマートフォン・PCで利用するに当たって身近に存在するリスクについて学び、パスワード管理、更新プログラムの実行、添付ファイルの取扱などの対策の重要性を理解した上で、ネットワークにおいて自分の身を守る最低限のすべを学ぶ。
  • 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・著作権の基本を学ぶ。Webページやマルチメディアコンテンツの制作ツールの使い方など、インターネットでのコンテンツ発信に関する入門レベルの実践も含む。

情報教養科目

情報技術と情報社会

  • ネットワークと通信
    • 日常的に利用しているインターネットの基本技術について、OSI参照モデルに則って階層的に学ぶ。特に、パケットがどのように配達されるか、通信の信頼性はどのような仕組みで保証されるかなど、インターネットに関する最も基本的な疑問に答える。
  • 情報セキュリティと情報倫理
    • 巧妙化・高度化するサイバー攻撃の実態やその対策技術について学ぶとともに、情報セキュリティの社会実装である公開鍵基盤(PKI)についても学ぶ。また、ビッグデータの活用にはプライバシーへの対応が不可欠であり、デジタルコンテンツの利用では著作権問題が避けられない。これらの問題の解決には、技術的には情報セキュリティ技術が重要な役割を果たすものの、技術だけでは解決には不十分であり、社会的規範としての情報倫理や法整備が必要になる。この授業では、情報倫理と法律にも触れる。
  • 人工知能とビッグデータ
    • 発展目覚ましい人工知能技術について、概念・歴史・技術・技術課題について概観し、ビッグデータの活用による社会実装と、社会実装が引き起こす問題について学ぶ。人間と人工知能の関わりはどうあるべきか、これらの問題に答える形で、授業を進めていく。
  • 計算機科学とプログラミング初級・中級(理学部向)
    • プログラミング言語について学びながら、コンピュータの基礎知識を習得し、論理的思考能力を養う。ここでの学習の過程を経て、初歩的なプログラミングおよび基本的なアルゴリズムの理解ができるようになることを目指す。授業では、コンピュータの仕組み、プログラミングの初歩、基本的なアルゴリズムについて解説し、パソコンによる実習を行う。


データサイエンスへの最初の一歩

  • 表計算ツールによるデータ分析
    • Excelを用いたデータ分析の方法を学ぶ。学ぶ内容はクラスごとに異なるため、シラバスを参照のこと。
  • 統計解析ツールによるデータ分析
    • 統計解析ツールを用いたデータ分析の方法を学ぶ。用いるツールや学ぶ内容はクラスごとに異なるため、シラバスを参照のこと。
  • 情報理論概論
    • 情報理論は、情報を量としてとらえて効率的に伝達するための理論である。今日、インターネット通信やQRコードなどあらゆる場面で用いられており、データ圧縮や通信における誤り訂正にとどまらず、データサイエンスや機械学習やなどへの非常に広い応用がある。この授業では、情報理論の基本的な考え方について理解を深める。
  • コンピューター科学概論
    • コンピューターの動作原理、および、コンピューターの背後にある普遍的な情報・計算の概念について学ぶ。コンピューターによる問題解決を実現してい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る。データサイエンスや機械学習、セキュリティの理論などコンピューターを用いる分野について学ぶ上でも常識となる背景知識について広く学ぶことを目的とする。
  • 人工知能概論
    • 今日のAIブームに至るAIの発展を1950年代のAI研究のはじまりから振り返り、AI研究の方法論や適用分野の変遷について概観する。次に、AIの要素技術である機械学習の考え方や評価方法をテキスト分析の事例の紹介を通して概観し、今日の大量データに基づくAI技術が社会に普及してゆくことにともなう影響や課題について考察する。また、授業の後半ではデータ分析や機械学習について実例を通して概観する。

データサイエンス入門科目

  • プログラミング初級
    • プログラミング経験のない初学者を対象として、ハンズオン(教材の説明を読み、教材中にプログラムを作成し、実行しながら学習する)を中心としたプログラミング言語の学習を行う。概念から出発するトップダウンのアプローチではなく、教材のガイドに従いつつプログラムを作成しながら、概念の必要性を一つ一つ作業を通じて「発見」する過程を通じて、プログラミングができるようになることを目指すボトムアップのアプローチをとる。プログラミング言語は、近年企業で需要の高いPythonとし、開発環境は、人工知能・機械学習の分野で標準的な環境となりつつあり、また、初学者にとって直感的な操作感を持つGoogle Colaboratory(Jupyter Notebookに類似したクラウドサービス)を用いる。
  • プログラミング中級
    • 「プログラミング初級」相当の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て、ハンズオンを中心としたプログラミング言語の学習を行う。授業では実際にパズル問題等に取り組みながらプログラミング技術を習得することを目的としている。プログラミング環境には Google Colaboratory もしくは Jupyter Notebook を用いる。

  • データサイエンスのための情報理論
    • 機械学習理論は、統計理論・情報理論を基礎に構築されており、評価指標やアルゴリズムの設計に統計・情報理論の理解が必要となることがある。特に、情報量・カルバックライブラー情報量・相互情報量は、機械学習の多様な場面に利用される。この講義では、これらの情報量の導入を目的に、情報理論の基礎を学ぶ。統計理論との対応を理解するために、統計理論と情報理論でそれぞれ対応する概念を対比しながら、説明を行う。同じ内容を、プログラミングを通して手法的に学ぶ「プログラミングで学ぶ情報理論」に対して、数理的理解に重きをおく。
  • プログラミングで学ぶ情報理論
    • 機械学習理論は、統計理論・情報理論を基礎に構築されており、評価指標やアルゴリズムの設計に統計・情報理論の理解が必要となることがある。特に、情報量・カルバックライブラー情報量・相互情報量は、機械学習の多様な場面に利用される。この講義では、これらの情報量の導入を目的に、情報理論の基礎を学ぶ。統計理論との対応を理解するために、統計理論と情報理論でそれぞれ対応する概念を対比しながら、説明を行う。同じ内容を、数理的理解に重きをおいて学ぶ「機械学習のための情報理論」に対して、プログラミングを通して手法的に学ぶ。

  • 基礎の機械学習
    • 機械学習は人工知能の基盤技術であるとともに、データサイエンスではデータ分析の強力なツールとして利用される。この講義では、文章を学習してその著者を当てる簡易な「人工知能」の作成を例題にとって、機械学習の基本的な概念や機械学習を用いたデータ分析の手続きについて学ぶ。解説が付与されたプログラムを動かしながら概念を体験的に理解するハンズオン教材を利用するが、プログラムの知識は不要である。並行して開講する「プログラミングで学ぶ機械学習」では、同じ例題を扱うが、機械学習のプログラミングの基礎を中心に学ぶ。
  • プログラミングで学ぶ機械学習
    • 機械学習技術は、統計的手法に基礎を置く統計的機械学習と、生物の神経細胞網を模倣する人工ニューラルネットの二つに大別される。この講義では、統計的機械学習に関して、その基礎的な概念や手法を理解することを目的とする。同じ内容を、数理的理解に重きをおいて学ぶ「機械学習の基礎」に対して、プログラミングを通して手法的に学ぶ。

  • 基礎のニューラルネット
    • 機械学習技術は、統計的手法に基礎を置く統計的機械学習と、生物の神経細胞網を模倣する人工ニューラルネットの二つに大別される。この講義では、人工ニューラルネットに関して、その基礎的な概念や手法を理解することを目的とする。同じ内容を、プログラミングを通して手法的に学ぶ「プログラミングで学ぶニューラルネット」に対して、数理的理解に重きをおく。
  • プログラミングで学ぶニューラルネット
    • 機械学習技術は、統計的手法に基礎を置く統計的機械学習と、生物の神経細胞網を模倣する人工ニューラルネット(ANN)の二つに大別される。この講義では、人工ニューラルネットに関して、その基礎的な概念や手法を理解することを目的とする。同様の内容を、数理的理解に重きをおいて学ぶ「機械学習のためのニューラルネット」に対して、プログラミングを通して手法的に学ぶ。講義の前半では、Pythonを用いてニューラルネットをゼロから構築し、誤り訂正学習・損失関数・活性化関数・クロスエントロピー・普遍性定理をプログラミングを通して学ぶ。後半では、近年利用が進んでいるANNプログラミングのためのライブラリであるPyTorchの利用法を学び、手書き文字認識・画像認識などの、実際のアプリケーションへの応用を体験する。

  • 画像情報
    • 画像処理をブラックボックスにすることなく、その基礎を学ぶ。アフィン変換、フーリエ変換などの数学を解説しながら、プログラミングを行う。ディジタル動画像処理についても解説する。動画像を使って速度・速度場・粒径などの物理量の計測が行えることを学ぶ。また計測の模擬実験として使うシミュレーション画像の作成が、「コンピューターグラフィックス」(CG)への橋渡しとなる。
  • コンピューターグラフィックス
    • 3次元コンピュータ・グラフィックス(CG)入門の講義。バーチャルリアリティ (VR)体験ソフトを作成することを目標とする。HTML感覚で使えるA-Frameから出発して、プログラミング言語であるJavaScriptを学びながら、Three.jsとWebGLを使ってCGの基礎理論を学ぶ。プログラミング・スキルを前提に進める。
修了要件

以下の2つの修了証を発行します。修了要件はリンク先のファイルをご覧ください。
リテラシーレベル
応用基礎レベル