経済学部で提供されるデータサイエンス関連科目
経済学部では、2020年4月に「データサイエンスコース」を開設し、データサイエンス教育を推進しています。また、2021年度より全学的に展開する数理・データサイエンスセンターによるデータサイエンス教育プログラムの開始に伴い、講義科目などの充実を行っています。
2022年度入学生
経済学部には、以下のようなデータサイエンスに関する専門・関連科目があります。具体的な内容はJUシラバスで確認できます。
学年 | 科目 | |
専門科目 | 1年次配当 | AIと経済/経済の基礎数学Ⅰ/経済の基礎数学Ⅱ/経済学のための統計入門Ⅰ/経済学のための統計入門Ⅱ/技術と社会Ⅰ/技術と社会Ⅱ |
2年次配当 | データサイエンスの基礎/経済統計学Ⅰ/経済統計学Ⅱ/AIプログラミングの基礎 | |
3・4年次配当 | 金融データ分析/定量的政策評価/社会科学におけるデータサイエンス/ゲーム理論とAI/計量経済学Ⅰ/計量経済学Ⅱ/応用AIプログラミング | |
関連科目 | 1年次配当 | データサイエンス入門/統計Ⅰ/統計Ⅱ/情報学特講Ⅰ/情報学特講Ⅱ/コンピュータ・リテラシーⅠ/コンピュータ・リテラシーⅡ/情報技術Ⅰ/情報技術Ⅱ |
2年次配当 | 情報学特講Ⅲ/情報学特講Ⅳ/情報技術Ⅲ/情報技術Ⅳ/情報技術Ⅴ/情報技術Ⅵ/情報技術Ⅶ/情報技術Ⅷ/表計算ソフトによる数量分析/IT論Ⅰ/IT論Ⅱ | |
3・4年次配当 | データサイエンスと数理統計/機械学習とAI/データサイエンス特別講義I/データサイエンス特別講義II/IT論Ⅲ/IT論Ⅳ |
赤字 : データサイエンス科目、緑字: 数理・統計科目、青字 : 情報・AI科目
- 2022年度入学生は、「データサイエンスの基礎」、「AIプログラミングの基礎」を履修するためには、「AIと経済」もしくは「データサイエンス入門」(いずれかの科目)の単位を修得しておかなければなりません。
- 「社会科学におけるデータサイエンス」を履修するためには、「データサイエンスの基礎」、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「金融データ分析」を履修するためには、「データサイエンスの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「定量的政策評価」を履修するためには、「AIと経済」(もしくは「データサイエンス入門」)、「ミクロ経済学Ⅰ・Ⅱ」、「データサイエンスの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「ゲーム理論とAI」を履修するためには、「AIと経済」(もしくは「データサイエンス入門」)、「ミクロ経済学Ⅰ・Ⅱ」、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「応用AIプログラミング」を履修するためには、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 経済学部においては「AIと経済」の履修をお願いします。注意すべき点としては、「AIと経済」は経済学部の専門科目、「データサイエンス入門」は関連科目となります。
- 4年間において「データサイエンス入門」と「AIと経済」をともに履修することはできません。
2021年度入学生
全学的に展開するデータサイエンス教育プログラムの開始に伴い、関連科目を新設しました。具体的な内容はJUシラバスで確認できます。
学年 | 科目 | |
専門科目 | 1年次配当 | AIと経済/経済の基礎数学Ⅰ/経済の基礎数学Ⅱ/経済学のための統計入門Ⅰ/経済学のための統計入門Ⅱ/技術と社会Ⅰ/技術と社会Ⅱ |
2年次配当 | データサイエンスの基礎/経済統計学Ⅰ/経済統計学Ⅱ/AIプログラミングの基礎 | |
3・4年次配当 | 金融データ分析/定量的政策評価/社会科学におけるデータサイエンス/ゲーム理論とAI/計量経済学Ⅰ/計量経済学Ⅱ/応用AIプログラミング | |
関連科目 | 1年次配当 | データサイエンス入門/統計Ⅰ/統計Ⅱ/情報学特講Ⅰ/情報学特講Ⅱ/コンピュータ・リテラシーⅠ/コンピュータ・リテラシーⅡ/数値計算演習/情報技術Ⅰ/情報技術Ⅱ |
2年次配当 | 情報学特講Ⅲ/情報学特講Ⅳ/情報技術Ⅲ/情報技術Ⅳ/情報技術Ⅴ/情報技術Ⅵ/情報技術Ⅶ/情報技術Ⅷ/表計算ソフトによる数量分析/IT論Ⅰ/IT論Ⅱ | |
3・4年次配当 | データサイエンスと数理統計/機械学習とAI/データサイエンス特別講義I/データサイエンス特別講義II/IT論Ⅲ/IT論Ⅳ |
太字は新設科目
赤字 : データサイエンス科目、緑字: 数理・統計科目、青字 : 情報・AI科目
赤字 : データサイエンス科目、緑字: 数理・統計科目、青字 : 情報・AI科目
- 2021年度入学生は、「データサイエンスの基礎」、「AIプログラミングの基礎」を履修するためには、「AIと経済」もしくは「データサイエンス入門」(いずれかの科目)の単位を修得しておかなければなりません。
- 「社会科学におけるデータサイエンス」を履修するためには、「データサイエンスの基礎」、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「金融データ分析」を履修するためには、「データサイエンスの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「定量的政策評価」を履修するためには、「AIと経済」(もしくは「データサイエンス入門」)、「ミクロ経済学Ⅰ・Ⅱ」、「データサイエンスの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「ゲーム理論とAI」を履修するためには、「AIと経済」(もしくは「データサイエンス入門」)、「ミクロ経済学Ⅰ・Ⅱ」、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「応用AIプログラミング」を履修するためには、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 経済学部においては「AIと経済」の履修をお願いします。注意すべき点としては、「AIと経済」は経済学部の専門科目、「データサイエンス入門」は関連科目となります。
- 4年間において「データサイエンス入門」と「AIと経済」をともに履修することはできません。
全学のデータサイエンス教育プログラム(2021年度以降入の学生対象)
※ 全学のデータサイエンス教育プログラムは、経済学部のデータサイエンスコースの学生だけでなく、2021年度以降入学した全ての経済学部生が対象となります。
城西大学では独自の教育プログラムを設定し、そのプログラムを修了した学生には修了証を授与します。
データサイエンス教育プログラムは、データサイエンスの基礎的素養学修のためのベーシックレベル(4科目8単位以上を要請)と、その先の、自らの専門に合わせて、実際にデータを扱ってデータサイエンスの活用を学修するアドバンストレベル(8科目16単位以上を要請)があります。アドバンストレベルにおいては、「社会科学におけるデータサイエンス」、「ゲーム理論とAI」、「応用AIプログラミング」などの科目を選択して学修することができます。
バランスのとれた学修を進めるため、教育プログラムに組み込まれている科目は「データサイエンス科目」、「 数理・統計科目」、「情報・AI科目」に分類されています。また、専門性の高い科目(3年次以降に学修する科目)は専門教育レベルの科目となり、それ以外の主に1~2年次に学修する科目は基礎教育レベルの科目となっています。
ベーシックレベルの修了要件
アドバンストレベルの修了要件
城西大学では独自の教育プログラムを設定し、そのプログラムを修了した学生には修了証を授与します。
データサイエンス教育プログラムは、データサイエンスの基礎的素養学修のためのベーシックレベル(4科目8単位以上を要請)と、その先の、自らの専門に合わせて、実際にデータを扱ってデータサイエンスの活用を学修するアドバンストレベル(8科目16単位以上を要請)があります。アドバンストレベルにおいては、「社会科学におけるデータサイエンス」、「ゲーム理論とAI」、「応用AIプログラミング」などの科目を選択して学修することができます。
バランスのとれた学修を進めるため、教育プログラムに組み込まれている科目は「データサイエンス科目」、「 数理・統計科目」、「情報・AI科目」に分類されています。また、専門性の高い科目(3年次以降に学修する科目)は専門教育レベルの科目となり、それ以外の主に1~2年次に学修する科目は基礎教育レベルの科目となっています。
ベーシックレベルの修了要件
- データサイエンス教育プログラムの科目から4科目8単位以上を修得すること。ただし
- 「データサイエンス科目」、「数理・統計科目」、「情報・AI科目」の各分類毎に、1科目2単位以上修得
- 数理・データサイエンスセンターが提供する「データサイエンス入門」もしくは「AIと経済」が含まれていなければならない。(プログラムのための必修科目)
アドバンストレベルの修了要件
- データサイエンス教育プログラムの科目から8科目16単位以上を修得すること。ただし
- 「データサイエンス科目」、「数理・統計科目」、「情報・AI科目」の各分類毎に、2科目4単位以上修得
- 「データサイエンス科目」、「数理・統計科目」、「情報・AI科目」の各分類毎に、専門教育レベルの科目が1科目2単位以上、合計では4科目8単位以上を含むこと。
- 数理・データサイエンスセンターが提供する「データサイエンス入門」もしくは「AIと経済」が含まれていなければならない。
- 数理・データサイエンスセンターが提供する3年次科目「データサイエンスと数理統計」、「機械学習とAI」、あるいは、経済学部が提供する3年次科目「社会科学におけるデータサイエンス」、「定量的政策評価」、「金融データ分析」のいずれか1科目以上を含むこと。(プログラム修了のための選択必修科目)
- 特例:データサイエンス科目に分類されている「データサイエンスと数理統計」は、修了要件の必要に応じて数理・統計科目に振り替えることができます。同様に、「機械学習とAI」と「社会科学におけるデータサイエンス」は、情報・AI科目に振り替えることができます。振り替えると、データサイエンス科目として計算されませんので、他に専門教育レベルのデータサイエンス科目2単位以上が必要です。
ベーシックレベルの修了要件を満たす学修科目の選択例
あくまで一例を示しています。
あくまで一例を示しています。
- 「AIと経済」(データサイエンス科目)/「経済の基礎数学Ⅰ」(数理・統計科目)/「経済学のための統計入門Ⅱ」(数理・統計科目)/「技術と社会Ⅰ」(情報・AI科目)
- 専門科目・4科目8単位=8単位(うちデータサイエンスコースの選択必修科目:2科目4単位)
- 「AIと経済」(データサイエンス科目)/「経済学のための統計入門Ⅱ」(数理・統計科目)/「コンピュータ・リテラシーⅠ(情報・AI科目)/「情報学特講Ⅰ」(情報・AI科目)
- 専門科目・2科目4単位+関連科目・2科目4単位=8単位(うちデータサイエンスコースの選択必修科目:2科目4単位)
- 「AIと経済」(データサイエンス科目)/「経済統計学Ⅰ」(数理・統計科目)/「データサイエンスの基礎」(データサイエンス科目)/「AIプログラミングの基礎」(情報・AI科目)
- 専門科目・4科目8単位=8単位(うちデータサイエンスコースの選択必修科目:3科目6単位)
- 「データサイエンス入門」(データサイエンス科目)/「統計Ⅰ」(数理・統計科目)/「コンピュータ・リテラシーⅠ(情報・AI科目)/「情報学特講Ⅰ」(情報・AI科目)
- 関連科目・4科目8単位=8単位(うちデータサイエンスコースの選択必修科目:0科目0単位)
2020年度入学生
「データサイエンスコース」の開設に伴い、専門科目を新設しました。具体的な内容はJUシラバスで確認できます。
学年 | 科目 | |
専門科目 | 1年次配当 | AIと経済/経済の基礎数学Ⅰ/経済の基礎数学Ⅱ/経済学のための統計入門Ⅰ/経済学のための統計入門Ⅱ/技術と社会Ⅰ/技術と社会Ⅱ |
2年次配当 | データサイエンスの基礎/AIプログラミングの基礎/経済統計学I/経済統計学II | |
3・4年次配当 | 金融データ分析/定量的政策評価/応用AIプログラミング/ゲーム理論とAI/社会科学におけるデータサイエンス/計量経済学Ⅰ/計量経済学Ⅱ | |
関連科目 | 1年次配当 | 統計Ⅰ/統計Ⅱ/情報学特講Ⅰ/情報学特講Ⅱ/コンピュータ・リテラシーⅠ/コンピュータ・リテラシーⅡ/数値計算演習/情報技術Ⅰ/情報技術Ⅱ |
2年次配当 | 情報学特講Ⅲ/情報学特講Ⅳ」/情報技術Ⅲ/情報技術Ⅳ/情報技術Ⅴ/情報技術Ⅵ/情報技術Ⅶ/情報技術Ⅷ/表計算ソフトによる数量分析/IT論Ⅰ/IT論Ⅱ | |
3・4年次配当 | IT論Ⅲ/IT論Ⅳ |
太字は新設科目
- 2020年度入学生は、「データサイエンスの基礎」、「AIプログラミングの基礎」を履修するためには、「AIと経済」の単位を修得しておかなければなりません。
- 「社会科学におけるデータサイエンス」を履修するためには、「データサイエンスの基礎」、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「金融データ分析」を履修するためには、「データサイエンスの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「定量的政策評価」を履修するためには、「AIと経済」、「ミクロ経済学Ⅰ・Ⅱ」、「データサイエンスの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「ゲーム理論とAI」を履修するためには、「AIと経済」、「ミクロ経済学Ⅰ・Ⅱ」、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。
- 「応用AIプログラミング」を履修するためには、「AIプログラミングの基礎」を修得済みもしくはそれに相当したレベルの知識・スキルを持つことが望ましいとされます。