AI・データサイエンス
- 2021.04.06
- 副専攻「AI・データサイエンス」の履修説明会を開催しました
- 2020.06.30
- 日本アイ・ビー・エム株式会社(IBM)による特別講義(「AI概論」)
- 2020.05.11
- 日本アイ・ビー・エム株式会社による特別講座実施
A I の急速な進歩によって、人が本来の強みである「想像力・創造力」を発揮して仕事に注力できるようになります。また、データをもとに新しいアイディアを創造し、革新に繋げていくデータサイエンスにも大きな注目が集まっています。副専攻「A I・データサイエンス」では、様々なモノ・コトへの関心から疑問や問題意識を見つけ、データを使って「心を動かすアイディア」へと導く方法を学びます。
対象学部
経済学部
国際学部
教育学部
「AI・データサイエンス」は、こんな人に向いています
● 将来の生活や仕事がどのように変わっていくのか知りたい
● AI・データサイエンスを使った最先端の仕事を知りたい
● これから必要とされる知識・スキルを身につけ、将来の仕事に活かしたい
● 本やインターネットで情報を集め、色々な角度で考察するのが好き
● 新しいアイディアを考えて、やり方を工夫するのが好き
● コンピュータやソフトの使い方、データの扱い方をしっかり学びたい
● AI・データサイエンスを使った最先端の仕事を知りたい
● これから必要とされる知識・スキルを身につけ、将来の仕事に活かしたい
● 本やインターネットで情報を集め、色々な角度で考察するのが好き
● 新しいアイディアを考えて、やり方を工夫するのが好き
● コンピュータやソフトの使い方、データの扱い方をしっかり学びたい
「AI・データサイエンス」を紹介するリーフレットができました。PDFファイルをダウンロードしてご覧いただけます。(1.26MB)
私たちの生活・仕事とAI・データサイエンスの繋がり
| 私たちの生活や仕事の様々な場面でAIが利用され、今後ますます生活が便利になっていくでしょう。また、データを活用することで様々な仕事上の問題を解決できるようになります。これらを使いこなせることはもちろん、適切な活用方法を理解する倫理観も大切です。 |
主専攻の学びがますます楽しくなる
学部学科の授業で学んだことをデータを使って探究すると、これまでに誰も気づかなかった新たな問題意識や仮説が生まれるかもしれません。データを使って自分の考えを深めていくと、主専攻への関心もますます深まり学ぶことの楽しさが一層実感できます。
学部学科 × AI・データサイエンスの融合
AI・データサイエンス紹介動画
卒業後の社会
データに基づく意思決定が求められる昨今では、あらゆる場面でデータサイエンスの知識は不可欠です。日本ではデータ分析の専門家であるデータサイエンティストが25万人も不足すると言われており、今後、ますます重要性が強調されていくでしょう。ここで学んだことを足かがりに、様々なビジネスでの活躍が期待されます。
| 目指せる進路 | ● 金融機関(銀行・証券・保険など) ● ICT・情報産業 ● 地方自治体(統計課、観光課など) ● 企業の経営企画部門 ● 企業の情報管理部門 ● 企業のマーケティング部門 ● 企業の商品開発部門 ● 大学院進学 など |
カリキュラム
「情報」「統計」「専門領域」の3つの分野があります。この学びを通じて、関連資格の取得の道も拓けます。
| 区分 | 主な内容 | 科目 |
| 情報 | AI、コンピュータ、ネットワーク、セキュリティ、プログラミングなどを学びます。 | ● AI・DSへのいざない ● 英語で学ぶPython ●データサイエンス総論 ● 情報概論 ● 情報セキュリティ論 ●アルゴリズム論 ● AI概論 ●プログラミング |
| 統計 | 統計の理論と方法、データ解析の理論と方法などを学びます。 | ● 統計学Ⅰ・Ⅱ ● 統計学総論Ⅰ・Ⅱ ● マーケティング・リサーチⅠ・Ⅱ ● 観光マーケティング調査 ● ビジネスデータ解析 |
| 専門領域 | 所属する学部学科の専門性に応じて統計やデータ解析の理論と方法などを学びます。 | ● フィールドワーク入門 ● 実地調査入門 ●経済統計Ⅰ・Ⅱ ● 管理会計論 ●社会調査法Ⅰ・Ⅱ ● 計量経済学Ⅰ・Ⅱ ●情報ビジネス論 ●社会調査実習Ⅰ・Ⅱ |
| 修了に必要な資格 | ● 社会調査士 ● Microsoft Office Specialist(Excel) ● ITパスポート ● 統計検定2級以上 ● ビジネス数学検定3級以上 ● G検定 など | |
はじめてチャレンジする学生にも学びやすいよう「導入」「基礎」「応用」の3段階で学びます。卒業後の活用も意識した内容で構成されています。
| 卒業後の活用を意識した段階的な学び | 導入 | 基礎 | 応用 | 卒業後の社会 |
| 「楽しく」「分かりやすく」学ぶことができる内容で、AI・データサイエンスの世界に親しみます。 | AI・データサイエンスを学ぶ上で必要な教養レベルの知識、基礎レベルのスキルを身につけます。 | 「情報」「統計」「専門領域」の知識・スキルを複合的に使ってAI・データサイエンスの応用力を高めます。 | 業務知識を身につけ、スキルを磨きます。データを使って組織の意思決定に貢献することを目指します。 |
AI・データサイエンスで学ぶこと
データサイエンスの実践では、主に「データハンドリング」「可視化・要約」「データ分析」「レポーティング」について、1つずつ基本から学びます。学部・学科で専門知識を深め、ニュースや時事などに関心を向けると、様々な疑問やもっと知りたいことが見つかります。データを使って「なぜ」「どうして」を解き明かしていくと、大学の学びがより生き生きと感じられるでしょう！
【データ取得】
データには、様々な種類があります。分析には、どのようなデータが必要かを理解し、適切な取得方法を計画します。
【前処理】
データはいつも綺麗な状態で取得できるとは限りません。「可視化・要約」や「データ分析」がしやすいよう、データを整える作業を行います。
データには、様々な種類があります。分析には、どのようなデータが必要かを理解し、適切な取得方法を計画します。
【前処理】
データはいつも綺麗な状態で取得できるとは限りません。「可視化・要約」や「データ分析」がしやすいよう、データを整える作業を行います。
【グラフ】
問題意識やデータの種類に応じて、様々な種類のグラフを使い分けます。平均値の位置や散らばりの様子などを観察します。
【クロス集計表】
縦軸と横軸に関心のある項目を置き、それぞれの件数や割合を調べます。縦軸と横軸の項目を掛け合わせて集計を行い、回答の傾向などを調べます。
問題意識やデータの種類に応じて、様々な種類のグラフを使い分けます。平均値の位置や散らばりの様子などを観察します。
【クロス集計表】
縦軸と横軸に関心のある項目を置き、それぞれの件数や割合を調べます。縦軸と横軸の項目を掛け合わせて集計を行い、回答の傾向などを調べます。
【仮説検定】
統計学の検定を利用して仮説を検証します。Aグループの平均値は、Bグループよりも高い(低い)かなどを評価します(t検定)。
【モデリング】
主に数式を使って現実世界の「模型」を作ります。最も簡単なモデルは回帰分析y=a+bxでしょう。モデルがデータにうまく当てはまっているかを考察します。
統計学の検定を利用して仮説を検証します。Aグループの平均値は、Bグループよりも高い(低い)かなどを評価します(t検定)。
【モデリング】
主に数式を使って現実世界の「模型」を作ります。最も簡単なモデルは回帰分析y=a+bxでしょう。モデルがデータにうまく当てはまっているかを考察します。
【報告】
分析の目的や手順、グラフや表をレポートに載せ、報告を行います。分かりやすく報告をまとめることも大切です。
【論理的説得】
導き出した結論は何が新しいか、どこに価値があるかなど、相手に理解してもらう内容をまとめます。データサイエンスの面白さは、ここにあります。
分析の目的や手順、グラフや表をレポートに載せ、報告を行います。分かりやすく報告をまとめることも大切です。
【論理的説得】
導き出した結論は何が新しいか、どこに価値があるかなど、相手に理解してもらう内容をまとめます。データサイエンスの面白さは、ここにあります。
本副専攻の運営
この副専攻は、敬愛大学AI・データサイエンス教育センターにより運営されています。敬愛大学AI・データサイエンス教育センターは、「数理・データサイエンス教育強化拠点コンソーシアム 」の関東・首都圏ブロックの連携校に加盟しています。