データサイエンス教育プログラム
更新日:2022年3月24日
データサイエンス教育プログラムの概要
城西大学では,2021年度後期から,数理・データサイエンスセンターが中心となってデータサイエンス教育の全学展開を行っています.これからの時代を生き抜くため,国は全学生にデータサイエンスの基礎的素養を身につけることを要請しています.2021年度以降の入学生はセンター提供の科目「データサイエンス入門」を基礎に,各学科で学ぶ科目と合わせて有機的にデータサイエンスの素養を身につけていくことができます.それをサポートするため,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,センターが提供する科目「データサイエンスと数理統計」や「機械学習とAI」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(主に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.分類については,別表を参照してください.
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,センターが提供する科目「データサイエンスと数理統計」や「機械学習とAI」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(主に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.分類については,別表を参照してください.
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
- センターが提供する「データサイエンス入門」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).なお,これは経済学部で取得可能な科目「AIと経済」に置き換えることができる.
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.
- センターが提供する「データサイエンス入門」が含まれていなければならない.なお,これは経済学部で取得可能な科目「AIと経済」に置き換えることができる.
- 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.
専門教育レベルの科目は,3年次以降の科目,および,現代政策学部の「社会調査法(量的調査)」と「社会調査法(質的調査)」,経営学部の「データベースマーケティング A/B」,薬学部医療栄養学科の「公衆衛生学」と「公衆栄養学実習」の6科目
専門教育レベルの科目は,3年次以降の科目,および,現代政策学部の「社会調査法(量的調査)」と「社会調査法(質的調査)」,経営学部の「データベースマーケティング A/B」,薬学部医療栄養学科の「公衆衛生学」と「公衆栄養学実習」の6科目
データサイエンス教育プログラムの科目一覧(2022年度入学生)
下記の表(画像)をクリックすると詳細がご覧いただけます(2022年3月20日更新).
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
学部・学科ごとに,選択の一例を示しています.
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, :プログラム修了のために必要な選択必修科目
- 経済学部:AIと経済,経済の基礎数学 I,情報学特講 I,情報学特講 II
- 現代政策学部:データサイエンス入門,政策研究の基礎数学A,政策研究の基礎数学B,コンピュータ・リテラシー A
- 経営学部:データサイエンス入門,情報エキスパート I,情報エキスパート II,コンピュータ・リテラシー I
- 理学部数学科:データサイエンス入門,線型代数学 IA,微分積分学 IA,計算機入門 I
- 理学部化学科:データサイエンス入門,化学基礎セミナー I,化学数学I,情報科学序論
- 薬学部薬学科:データサイエンス入門,データ・リサーチリテラシー論,基礎化学計算,情報科学(演習含む)
- 薬学部薬科学科:データサイエンス入門,生物統計学,薬科学実習 A(コンピュータ活用を含む),薬科学実習 C(コンピュータ活用を含む)
- 薬学部医療栄養学科:データサイエンス入門,食品衛生学実験,栄養情報科学演習,公衆栄養学 A
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, :プログラム修了のために必要な選択必修科目
アドバンストレベルの修了要件を満たす学修科目の選択例
ベーシックレベルの修了要件で上の例の科目を取得した場合の,追加取得科目の一例です.
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, :プログラム修了のために必要な選択必修科目
- 経済学部: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,IT論 III
- 現代政策学部:社会科学におけるデータサイエンス,計量経済分析 A,デジタルビジネス論 A,デジタルビジネス論 B
- 経営学部:市場調査論,データマイニング I,データマイニング II,社会科学におけるデータサイエンス(情報・AI科目に振り替え)
- 理学部数学科:機械学習とAI,統計数学特別講義 I,統計数学特別講義 II,情報システム論 I
- 理学部化学科:データサイエンスと数理統計,物理化学実験(コンピュータ活用を含む),生化学実験,情報科学 I
- 薬学部薬学科:データサイエンスと数理統計,機械学習とAI,薬学実習 E,医薬品情報学
- 薬学部薬科学科:データサイエンスと数理統計,バイオインフォマティクス,薬科学実習 F,機械学習とAI(情報・AI科目に振り替え)
- 薬学部医療栄養学科:データサイエンスと数理統計,公衆栄養学,解剖生理学実験 B,栄養生理学実験,公衆衛生学B
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, :プログラム修了のために必要な選択必修科目
データサイエンス教育プログラムの科目一覧(2021年度入学生)
下記の表(画像)をクリックすると詳細がご覧いただけます(2021年9月23日更新).
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
学部・学科ごとに,選択の一例を示しています.
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, :プログラム修了のために必要な選択必修科目
- 経済学部:AIと経済,経済の基礎数学 I,情報学特講 I,情報学特講 II
- 現代政策学部:データサイエンス入門,政策研究の基礎数学A,政策研究の基礎数学B,コンピュータ・リテラシー A
- 経営学部:データサイエンス入門,情報エキスパート I,情報エキスパート II,コンピュータ・リテラシー I
- 理学部数学科:データサイエンス入門,線型代数学 I,微分積分学 I,計算機入門 I
- 理学部化学科:データサイエンス入門,化学基礎セミナー I,化学数学I,情報科学序論
- 薬学部薬学科:データサイエンス入門,薬学総合演習 A,薬学総合演習 B,基礎薬学計算,生物統計学演習,情報科学(演習含む)
- 薬学部薬科学科:データサイエンス入門,生物統計学,薬科学実習 A(コンピュータ活用を含む),薬科学実習 C(コンピュータ活用を含む)
- 薬学部医療栄養学科:データサイエンス入門,食品衛生学実験,栄養情報科学演習,公衆栄養学 A
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, :プログラム修了のために必要な選択必修科目
アドバンストレベルの修了要件を満たす学修科目の選択例
ベーシックレベルの修了要件で上の例の科目を取得した場合の,追加取得科目の一例です.
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, :プログラム修了のために必要な選択必修科目
- 経済学部: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,IT論 III
- 現代政策学部:社会科学におけるデータサイエンス,計量経済分析 A,デジタルビジネス論 A,デジタルビジネス論 B
- 経営学部:市場調査論,データマイニング I,データマイニング II,社会科学におけるデータサイエンス(情報・AI科目に振り替え)
- 理学部数学科:機械学習とAI,統計数学特別講義 I,統計数学特別講義 II,情報システム論 I
- 理学部化学科:データサイエンスと数理統計,物理化学実験(コンピュータ活用を含む),生化学実験,情報科学 I
- 薬学部薬学科:データサイエンスと数理統計,機械学習とAI,薬学実習 E,医薬品情報学
- 薬学部薬科学科:データサイエンスと数理統計,バイオインフォマティクス,薬科学実習 F,機械学習とAI(情報・AI科目に振り替え)
- 薬学部医療栄養学科:データサイエンスと数理統計,公衆栄養学,解剖生理学実験 B,栄養生理学実験,公衆衛生学B
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, :プログラム修了のために必要な選択必修科目