1. 社会におけるデータや AI利活用およびその留意事項等について説明できること
2. データを扱うために必要な数の扱いができること
3. データの記述とデータからの情報抽出ができること
です。

各学部学科の次の所定の科目（総計4単位以上）を修得した学生は本プログラム修了者として認定されます。
●科目「数理・データサイエンス基礎」の2単位を取得します。
●科目「数理・データサイエンス基礎」の2単位に加え、本プログラムの科目として設定されている他の科目から2単位以上を取得します。

※2020年度まで人間生活学科、2021年度より改称
※2020年度と2021 年度以降の科目「数理・データサイエンス基礎」の内容は異なります。

科目

本プログラムでは、科目「数理・データサイエンス基礎」に加え、大学では「情報処理演習」等の科目、短期大学部では「情報処理I」等の科目を履修し修得することで数理・データサイエンス・AIの基礎的な素養を得ることとしています(**)。
(**) 社会状況等を踏まえ、今後、構成が変わることがあります。
データサイエンスやAIの内容は変化が激しいため、適宜見直しが行われます。これまでの授業内容は、本ウェブサイトの教育情報の公開ページ内の授業計画をご覧ください。

モデルカリキュラムとの対応(令和3年度以降)

横にスクロールしてご覧ください

モデルカリキュラム項目	数理・データサイエンス基礎	情報処理演習 情報処理 I
1. 社会におけるデータ・AI 利活用	1-1, 1-2, 1-3、1-4, 1-5, 1-6	1-4
2. データリテラシー	2-1, 2-2, 2-3	2-2, 2-3
3. データ・AI 利活用における留意事項	3-1, 3-2
4. オプション	4-1

※番号は科目に含まれている各項目の番号を示します。例えば数理・データサイエンス基礎には「4オプション」のうち 4-1 に相当する項目が含まれています。

授業概略

■情報処理演習/情報処理I

パソコンの普及及びネットワーク化の急激な進展を踏まえ、今後必要となる情報処理技術であるコンピュータ、ネットワーク及びオフィスソフトの基礎技術を学ぶ。とくに本演習ではオペレーティング・システム(OS)の基本操作・メールやウェブの利用方法・文書作成について学習する。

■数理・データサイエンス基礎

【令和2(2020)年度】

データを扱うための表現およびデータから情報を抽出する方法を学ぶことを目的とする。
今日では、コンピュータの発達・インターネット等の情報網に発達により大量のデータが得られるようになったことやディープ・ラーニングに代表される情報処理技術の進展により、いかにデータから情報を抽出するかということがこれまで以上に重要となった。
本講義では、データを扱うための基礎的な数理表現およびデータから情報を抽出する基本的な方法を学ぶ。

【令和3(2021)年度以降】

数理・データサイエンス・Artificial Intelligence (AI) の社会に与える影響・データを扱う上での注意事項・データを扱うための表現・データから情報を抽出する方法を学ぶことを目的とする。
本講義では、数理・データサイエンス・AIに基づく社会の変化、大量のデータを扱う場合の留意点、データを扱うための基礎的な数理表現、データから情報を抽出する基本的な方法を学ぶ。