グローバルナビゲーションへ

本文へ

ローカルナビゲーションへ

フッターへ


データサイエンス教育プログラム



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、ベーシックレベルやアドバンストレベル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、データサイエンス入門プログラムに加えて、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。

データサイエンス入門プログラムの修了要件

センターが提供する「データサイエンス入門」の2単位、あるいは、経済学部で取得可能な科目「AIと経済」の2単位を取得すること。

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. データサイエンス入門プログラム」を修得すること。

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. 「データサイエンス入門プログラム」を修得すること。
  5. 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

データサイエンス入門プログラム

「データサイエンス入門プログラム」は、「数理・データサイエンス・AI教育プログラム(リテラシーレベル)」として、文部科学大臣から認定を受けました。認定期間は、2023年8月25日~2028年3月31日です。

認定制度への申請内容

データサイエンス教育プログラムの科目一覧(2022年度以降の入学生)

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。(2024年4月8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。
データサイエンス科目 数理・統計科目 情報・AI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
  :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。
データサイエンス科目 数理・統計科目 情報・AI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 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
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 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 解剖生理学実験 B
栄養生理学実験
公衆衛生学B
  :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(2023年5月11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。
データサイエンス科目 数理・統計科目 情報・AI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
  :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。
データサイエンス科目 数理・統計科目 情報・AI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
  :プログラム修了のために必要な選択必修科目

自己点検・評価

データサイエンス入門プログラムに関する自己点検・評価書を公開しています。
 
  1. ホーム
  2.  >  数理・データサイエンスセンター
  3.  >  プログラム・科目
  4.  >  データサイエンス教育プログラム