経済学部 Faculty of Economics

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ⅡAI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ⅠIT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IIIT論ⅢIT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ⅡAI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ⅠIT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IIIT論ⅢIT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
 
  • 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
  1. 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
  2. 「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
  3. 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
  1. 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
  2. 「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
  3. 「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。
  4. 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。
  5. 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。
  1. 「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)
  2. 「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)
  3. 「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)
  4. 「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。
TOPへ
検索