数理・データサイエンス・AI教育プログラム
（応用基礎レベル）
本プログラムは、文部科学省「数理・データサイエンス・AI教育プログラム（応用基礎レベル）」に認定されています。
（認定期限は令和10年3月31日まで）
目的
情報通信技術(ICT)の急速な進歩に伴い、目まぐるしく変化する現代社会において高度な情報のデジタル化が進展している。その中で数理・データサイエンス・AIを含めたICTを適切かつ効果的に活用して、主体的な問題の発見とスピーディな解決能力が求められている。
本プログラムでは、社会における様々な分野における実問題を概観し、それらの問題解決の考え方と方法論について、数理・データサイエンス・AI、情報及びコンピュータを含めたICTの果たす役割やその影響などを理解し、これらを利活用した問題発見、解決能力を習得する。
プログラムを構成する授業
- 2科目によってモデルカリキュラムのコア学修項目を全て網羅し、その他選択項目を加えた学修内容とする。
- 2科目とも全学開講とし、全学部において卒業単位認定を行う。
- 修了要件は２科目ともに単位を修得すること。
【データサイエンス基礎】
- モデルカリキュラム「データサイエンス基礎」「データエンジニアリング基礎」をカバーする。
- データに基づいて意志決定や課題解決を行うデータサイエンスの入門編として、記述統計・推測統計学をベースとする統計学の考え方と統計解析手法を修得する。
【人工知能】
- モデルカリキュラム「AI基礎」をカバーする。
- 人工知能技術は、知識型AIとデータ駆動型AIの２つのアプローチに大別される。計算機上に表現された知識に基づく知識型AIと、大量データから数理モデルやアルゴリズム等に基づいて法則性や関係性を導出するデータ駆動型AIの双方のアプローチに基づく適切な技術を修得する。
モデルカリキュラムに対応する学修内容
| １．データサイエンス基礎 | 授業「データサイエンス基礎」修得内容 | 授業回 |
|---|---|---|
| １－１．データ駆動型社会とデータサイエンス(☆) | データ駆動型社会，活用事例 | 1回目 |
| １－２．分析設計(☆) | データ分析，可視化，加工，分割 | ２，５，６，７，８，９，１０，１１回目 |
| 1-6. 数学基礎 | 代表値，順列，確率分布，指数関数 | ２，３，４，６，８回目 |
| 1-7.アルゴリズム | フローチャート，探索，ソート | 2回目 |
| 2.データエンジニアリング基礎 | ||
| 2-1.データを読む(☆) | ビッグデータ収集，活用事例 | 11回目 |
| ２－２．データを説明する(☆) | 数値，画像，音声，構造化データ | 12回目 |
| 2-7.プログラミング基礎 | 文字型，浮動小数点型，関数，反復構造 | 6，7，8，10，12回目 |
(☆)はコア学修項目
| 3.AI基礎 | 授業「人工知能」修得内容 | 授業回 |
|---|---|---|
| 3-1.AIの歴史と応用分野(☆) | 歴史，汎用AI，フレーム問題，活用領域拡大 | 1回目 |
| 3-2.AIと社会(☆) | AI倫理，個人情報，公平性，信頼性 | 15回目 |
| 3-3.機械学習の基礎と展望(☆) | 教師あり・なし学習，強化学習 | 13回目 |
| 3-4.深層学習の基礎と展望(☆) | ディープニューラルネットワーク | 14回目 |
| 3-7.言語・知識 | 記号論理，意味ネットワーク，オントロジー，知識グラフ，自然言語処理 | 4,5,6,7,8,9, 10,11,12回目 |
| 3-9.AIの構築と運用(☆) | 推論，評価，開発環境 | 15回目 |
(☆)はコア学修項目
実施体制
今後の計画
- 社会人リカレント教育
- 2024年度リテラシーレベルプラス認定
補足資料①：応用基礎レベル授業の評価
2022年度学生アンケート結果
データサイエンス基礎：履修者数 184, 回答者数 41, 回答率 22.3%
- 2022/07/29 10:26 1年の前期、後期で確率統計を学び、それが面白かったので似たような授業であると考え履修しました。とても楽しかったです。R、Pythonを使った解析が特に楽しくもっとやりたいと思っていました。その中でもPythonは高校時代にさわりだけですが行ったことがあり懐かしいと思うと同時に詳しくなりたいと家の中にある本を読みなおしました。 データサイエンスに関しても、苦手な数学が出てきても何とかめげずに完走できました。 15回授業ありがとうございました！
人工知能：履修者数 68, 回答者数 13, 回答率 19.1%
- 2022/12/28 19:20 資料の説明をもう少しだけ細かく教えてほしかったです。
- 2022/12/22 13:07 講義内容がわかりやすく，またわからないところを質問しやすい環境を意識的に作ってくれているので，わからないままになることが少ない．資料も，別の解釈方法があったり，間違っていた際にはすぐに訂正してくれるのもありがたい．
- 2022/12/08 13:05 毎回冒頭に学生の前回の講義の感想を受けて進度や説明の量を調整するなど配慮してくれている。
補足資料②：応用基礎レベル授業の自己点検・改善
質問1. 授業を行うにあたって工夫した点
- 実データを用いた演習を多く取り入れた.
- 数理AIデータサイエンスの応用基礎レベルの項目を満たすように広範囲の項目を取り入れた.
- 講義の中ほどに，理解を深めるための「ミニテスト」を行うことで，理解の促進と集中力の継続を図った．また，講義の感想や質問は，翌週の冒頭で出来るだけ回答できるようにした．
質問2. 授業を行ってよかったと思う点
- データサイエンスの概要は伝えることはできた.
質問3. 授業を行って改善を要すると思う点
- 多くの学生が受講しているので難易度の感じ方は分散が大きい. もう少し平易な問題も準備すると良いのかもしれない.
- 多くの内容を対象とするため，説明が少し不足している回もあったと思われるので，内容の量を調整することも含めて，改善したい．
質問4. 学生の授業アンケートの結果について思うこと
- 昨年もそうであるが, 難易度はこれ以上下げるのは難しい. 本当に基本的なことを講義している. しかしながら, 学生の興味があるデータを準備することが必要であると思う.
- 分かりやすいといった感想や，興味を持てたというアンケート結果をみると，いろいろと工夫した甲斐がある．
