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。

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

• 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。

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

• 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）

「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

• 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。