- 板橋キャンパス
理工学部 データサイエンス学科
- 板橋キャンパス
データから価値のある情報を創造し
意思決定に生かす能力を
備えた人材を育成します
データサイエンス学科 Close-UP
総合大学の強みを生かして、医療系学部、経済学部と連携した医療データや経営データに関するデータサイエンスを板橋キャンパスで学ぶ
データサイエンス学科では、数理?統計学と情報工学の理論的基礎の上に、課題解決型学習法を活用し、データから価値のある情報を創造し、それを意思決定に生かす能力を備えた人材を育成します。データサイエンティストとして必要な、経営データや医療データ等のビッグデータを分析し、活用?保存するための適切な方法を学びます。
カリキュラム
数理?統計学と情報工学の理論に加え、ビッグデータ解析に必要となる人工知能の理論とプログラミングを学修。課題解決を実践する能力を身につけます。
シラバス
授業紹介
プログラミング1?2
ソフトウエアを開発するために必須の技術であるプログラミングについて、段階的に学びます。本授業では、プログラミングに関する基礎的な知識を学び、簡単なソフトウエアを自分で開発することをめざします。AIや機械学習の分野で広く使われているPythonを中心に学修し、2年次の「実践的機械学習」では、自身で書いたプログラムでビッグデータ解析を行う演習を行います。
データサイエンス応用基礎1?2
数理?データサイエンス?AIを活用して課題を解決するための、実践的な能力を育成します。データから意味を抽出し現場にフィードバックする能力やAIを活用し課題解決につなげる基礎能力を修得し、自らの専門分野に数理?データサイエンス?AIを応用するための大局的な視点を獲得することを目標としています。文部科学省「数理?データサイエンス?AI教育プログラム認定制度（応用基礎レベル）」に対応する授業となります。
実践的機械学習
機械学習や人工知能の基本、ビッグデータ等を背景としたそれらの実社会への応用事例、背景となっている数理?統計理論、およびプログラミングを伴った実践的なデータ処理を学びます。経営データから価値を創造する「経営データ価値創造演習」、医療データから価値を創造する「医療データ価値創造演習」と演習を繰り返し、実践的なデータ処理手法を身につけます。
画像情報処理
画像情報処理は、画像の認識や伝送など画像にかかわるさまざまなシステムをつくる基礎となります。画像を変形させる方法や、鮮明にしたりぼかしたりするため方法について、それぞれの数学的な基盤を踏まえて理解していきます。さらに、画像変換や空間フィルタリング等の画像処理技術について実際のプログラムを動かしながら学修します。
経済?経営情報学
本授業では、経済的諸問題をIT技術を駆使して、経済学および経営学の分析手法で解決する力を身につけます。経済情報学は、経済学と情報学を融合して学ぶ学問分野で、経済を予測したり問題を解決する方法を学修します。経営情報学は、コンピュータの知識?技術を駆使しながら現代の企業経営が直面する課題解決に挑みます。
情報技術者演習
情報技術にかかわる国家試験としてITパスポート試験、基本情報技術者試験などがあります。本授業では、基本情報技術者試験の内容を対象として、情報技術とその活用に関する技術者として基礎的な知識を習得することを目標としています。過去問題について演習し、その結果をふまえ解説します。過去問題はeラーニングシステム上に整備しており、オンラインで利用できるようになっています。
成績評価と単位認定
成績評価と単位認定
単位を修得するためには
単位制
大学における授業の履修は、単位制になっています。単位は、学修時間をもとに決められており、授業の方法および授業の教育効果などを考慮し1単位は45時間（講義の場合、授業15時間、予習15時間、復習15時間）の学修が基準となっています。
- 1つの授業科目につき、出席すべき授業時間数の3分の2以上の出席と60点（C評価）以上の成績評価により、所定の単位を認定します。実習等は時間数が3分の2以上に引き上げられる場合があります。
- 成績評価は、90点以上をS、80点以上をA、70点以上をB、60点以上をCとし、60点未満をＤとします。60点未満（Ｄ評価）は不合格とし、単位は認定されません?
- 原則として認定された単位および成績は取り消すことはできません。
- 別途、学部長の承認が必要な場合があります。詳細は履修要項を参照してください。
- 進級ならびに卒業判定に一切の例外はありません。
GPA制度について
GPA（Grade Point Average）制度の導入の趣旨は、1. 学部として統一した基準を作成すること、2. 公平性に優れた基準であること、3. 国際的に通用する基準であることとし、学修の成果をGPAという客観的な数値で評価するものです。本制度は、外国の多くの大学が採用している成績評価制度に概ね準拠しており、海外留学、海外の大学院進学、外資系企業への就職などの際に、学力を証明する指標として国際化に対応した成績評価制度となっています。
GPAの算出方法
卒業に必要な単位数
| 科目区分 | 単位数 | 備考 | |||||
|---|---|---|---|---|---|---|---|
| 共通教育科目 | 教養教育科目 | 人文科学系分野 | 2以上 | 8以上 | 22以上修得※ | ||
| 社会科学系分野 | |||||||
| 自然科学系分野 | 2以上 | ||||||
| 文理融合分野 | － | ||||||
| 初年次教育科目 | 2（必修） | ||||||
| キャリア教育科目 | 4（必修） | ||||||
| 情報教育科目 | 2（必修） | ||||||
| 外国語教育科目 | 4（必修） | ||||||
| 専門科目 | 必修 | 49 | 合計90以上 | ||||
| 選択 | 41以上 | ||||||
| 共通教育科目（選択）と専門科目（選択）の超過分 | 12 | ? | |||||
| 合計 | 124 | ? | |||||
- ※必修は12単位
- ※選択は5つの科目区分より10単位以上を修得
研究室
経験豊富な教員陣のもと、さまざまな研究テーマで学んでいます