授業の方法および内容

授業に含まれている内容・要素 講義内容
（１）データサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎（統計数理、線形代数、微分積分）」に加え、ＡＩを実現するための手段として「アルゴリズム」、「データ表現」、「プログラミング基礎」の概念や知識の習得を目指す。 1-6 キーワード(太字)
・順列、組合せ、集合、ベン図、条件付き確率 (「統計学A」 3-4回、「数学V」3-4回）
・代表値（平均値、中央値、最頻値）、分散、標準偏差 (「統計学A」 1回、「数学V」1回）
・相関係数、相関関係と因果関係 (「数理・データサイエンス入門」5回、「統計学A」 2回、「数学V」2回)
・ベクトルと行列 (「数学II(線形代数A）」1-15回、「数学IV（線形代数B）」1-15回、「線型代数学I」1-15回、「線型代数学Ⅱ」1-15回)
・ベクトルの演算、ベクトルの和とスカラー倍、内積 （「数学II（線形代数A）」2-5回、「数学IV（線形代数B）」11回、「線型代数学I」1-4回）
・行列の演算、行列の和とスカラー倍、行列の積 (「数学II（線形代数A）」2-5回、「線型代数学I」1-4回)
・多項式関数、指数関数、対数関数 (「数学III」1回、「微分積分学演習Ⅱ」1回)
・関数の傾きと微分の関係、積分と面積の関係 (「数学III」2、8回、「微分積分学演習Ⅱ」2、8回)
・1変数関数の微分法、積分法 (「数学III」1-15回, 「微分積分学演習Ⅱ」1-15回)キーワード(細字)
・名義尺度、順序尺度、間隔尺度、比例尺度 (「統計学A」 1回、「数学V」1回)
・確率分布、正規分布、独立同一分布 (「統計学A」 3-4回、「数学V」3-4回)
・逆行列 (「数学Ⅱ（線形代数A）」14回、「線型代数学I」4-5、9-10、12-13回)オプション (高度な内容)
・ベイズの定理 (「統計学A」 3回、「数学V」3回)
・点推定と区間推定 (「統計学A」 7-9回、「数学V」7-9回)
・帰無仮説と対立仮説、片側検定と両側検定 (「統計学A」 10-12回、「数学V」10-12回)
・第1種の過誤、第2種の過誤、p値、有意水準 (「統計学A」 10-12回、「数学V」10-12回)
・固有値と固有ベクトル (「数学IV（線形代数B）」9-10回、「線型代数学Ⅱ」12-15回)
・2変数関数の微分法、積分法 (「数学III」1-15回、「微分積分学演習Ⅱ」1-15回)
1-7 キーワード (太字)
・アルゴリズムの表現（フローチャート） (「アルゴリズムとデータ構造」10回)
・並び替え（ソート）、探索（サーチ） (「アルゴリズムとデータ構造」10-13回)キーワード (細字)
・ソートアルゴリズム、バブルソート、選択ソート、挿入ソート (「アルゴリズムとデータ構造」10-11回)
・探索アルゴリズム、リスト探索、木探索 (「アルゴリズムとデータ構造」12-13回)オプション (高度な内容)
・計算量 (オーダー) (「アルゴリズムとデータ構造」9回)
2-2 キーワード (太字)
・コンピュータで扱うデータ (数値、文章、画像、音声、動画など) （「数理・データサイエンス入門」1回、「アルゴリズムとデータ構造」9回)キーワード (細字)
・構造化データ、非構造化データ （「数理データサイエンス」2回）
・情報量の単位 (ビット、バイト）、2進数、文字コード (「数理・データサイエンス入門」2回、「アルゴリズムとデータ構造」9回、)
・配列、木構造（ツリー）、グラフ (「アルゴリズムとデータ構造」9、11-12回)
2-7 キーワード (太字)
・文字型、整数型、浮動小数点型 (「アルゴリズムとデータ構造」1、9回)
・変数、代入、四則演算、論理演算 (「アルゴリズムとデータ構造」1回)
・関数、引数、戻り値 (「アルゴリズムとデータ構造」5回)キーワード (細字)
・順次、分岐、反復の構造を持つプログラムの作成 (「アルゴリズムとデータ構造」3－4回)
（２）ＡＩの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にＡＩを活用する際の構築から運用までの一連の流れを知識として習得するＡＩ基礎的なものに加え、「データサイエンス基礎」、「機械学習の基礎と展望」、及び「深層学習の基礎と展望」から構成される。 1-1 キーワード (太字)
・データ駆動型社会、Society5.0 (「数理・データサイエンス入門」1回)
・データサイエンス活用事例 (仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替など) (「数理・データサイエンス入門」7回)
1-2 キーワード (太字)
・データ分析の進め方、仮説検証サイクル(「数理データサイエンス」4-7回)キーワード (細字)
・分析目的の設定（「数理データサイエンス実践演習」1-15回)
・様々なデータ分析手法 (回帰、分類、クラスタリングなど) (「数理・データサイエンス入門」5回、「数理データサイエンス」6-14回、「数理データサイエンス実践演習」1-15回)
・様々なデータ可視化手法 (比較、構成、分布、変化など) (「数理・データサイエンス入門」4回、「数理データサイエンス」4、6-14回、「数理データサイエンス実践演習」1-15回)
・データの収集、加工、分割/統合 (「数理データサイエンス」4、6-14回、「数理データサイエンス実践演習」1-15回)
2-1 キーワード (太字)
・ICT (情報通信技術) の進展、ビッグデータ (「数理・データサイエンス入門」1回)
・ビッグデータ活用事例  (「数理・データサイエンス入門」1回)
3-1 キーワード (太字)
・汎用AI/特化型AI (強いAI/弱いAI) (「数理データサイエンス」2回)オプション (高度な内容)
・AIクラウドサービス、機械学習ライブラリ、ディープラーニングフレームワーク (「数理データサイエンス」6-14回、「数理データサイエンス実践演習」1-15回)
3-2 キーワード (太字)
・プライバシー保護、個人情報の取り扱い (「数理・データサイエンス入門」8回)キーワード (細字)
・AIの公平性、AIの信頼性、AIの説明可能性 (「数理・データサイエンス入門」1回)オプション (高度な内容)
・AIと知的財産権(「数理データサイエンス」1回)
3-3 キーワード (太字)
・実世界で進む機械学習の応用と発展 (需要予測、異常検知、商品推薦)など(「数理・データサイエンス入門」7回)
・機械学習、教師あり学習、教師なし学習、強化学習(「数理データサイエンス」2、5回、「数理データサイエンス実践演習」1-15回)キーワード (細字)
・学習データと検証データ(「数理データサイエンス」6回、「数理データサイエンス実践演習」1-15回)
・ホールドアウト法、交差検証法(「数理データサイエンス」5回、「数理データサイエンス実践演習」1-15回)
・過学習、バイアス(「数理データサイエンス」2回、「数理データサイエンス実践演習」1-15回)
3-4 キーワード (太字)
・ニューラルネットワークの原理 (「数理データサイエンス」5回)オプション (高度な内容)
・敵対的生成ネットワーク (GAN) (「数理データサイエンス」5回)
・深層強化学習(「数理データサイエンス」5回)
3-9 キーワード (太字)
・AIの学習と推論、評価、再学習(「数理データサイエンス」5回)キーワード (細字)
・AIの開発環境と実行環境 (「数理データサイエンス」3回)
・複数のAI技術を活用したシステム (スマートスピーカー、AIアシスタントなど) (「数理データサイエンス」1回)
（３）本認定制度が育成目標として掲げる「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。応用基礎コアのなかでも特に重要な学修項目群であり、「データエンジニアリング基礎」、及び「データ・ＡＩ活用 企画・実施・評価」から構成される。 Ⅰ
Ⅱ 1-2. 分析設計
・分析目的の設定(「数理データサイエンス実践演習」1-15回)
・様々なデータ分析手法 (回帰、分類、クラスタリングなど) (「数理データサイエンス実践演習」1-15回)
・様々なデータ可視化手法 (比較、構成、分布、変化など) (「数理データサイエンス実践演習」1-15回)
・データの収集、加工、分割/統合 (「数理データサイエンス実践演習」1-15回)3-3　機械学習の基礎と展望
・機械学習、教師あり学習、教師なし学習、強化学習(「数理データサイエンス実践演習」1-15回)
・学習データと検証データ(「数理データサイエンス実践演習」1-15回)
・ホールドアウト法、交差検証法(「数理データサイエンス実践演習」1-15回)
・過学習、バイアス(「数理データサイエンス実践演習」1-15回)