データサイエンス学部
データサイエンス学科
データサイエンスとは
今や国内外問わず、またビジネス?保健医療福祉?行政等の幅広い分野において、データを分析し常に新しい戦略を立てることが常識となっています。
そのためには普段から「課題を見つけ」「情報を集め」「分析し」「新たな知見を見出す」チカラを養っていなければなりません。
体系立った理論をもつ「情報科学」でありながら、ビジネスなどにも欠かせない「実学」でもある、それがデータサイエンスです。
データに基づく統計的な思考により課題を解決するデータサイエンスを身につけた人材、いわゆる"データサイエンティスト"は今後、世界中のあらゆる分野で活躍が期待されています。
Feature 1
- 顧客情報や購入履歴、Webサイトの閲覧履歴などを分析し、「購入してもらえる可能性が高い商品」をサイト上でユーザーに提案しています。
- 物流会社が商品を様々な場所に配送するとき、配送量や場所、時間、トラックの台数、天気や交通情報などを分析し、コストや時間などが最適化される配送計画を立案しています。
Feature 2
- 病院で蓄積される膨大な医療データを分析することで、医師や看護師の負担をできるだけ軽減しながら、病気の早期発見、予防、治療に役立てています。
- 医療ビッグデータを解析することで、病気の原因となる遺伝子や新薬のもととなる物質を探り出し、新薬の創出に貢献しています。
育成する人物像とディプロマポリシー卒業認定?学位授与の方針
下関百盛娱乐网址是什么データサイエンス学部は、多様なデータを設計?分析?活用するために必要な数理統計?情報学?社会科学に関する理論と実務に習熟することにより、社会や組織が抱える課題の解決や新たな価値の創造に貢献しうる人材を養成します。
- A.
- 統計や関連する数理科学に関する知識と、それらを活用した分析の経験を通じて、データを収集?整理?分析し、そこから得られる知見を論理的に考察できる能力を身につけている。
- B.
- 情報の管理や分析、人工知能などのアルゴリズムに関する知識を有し、かつそれらをコンピュータ上で表現する経験を通じて、様々な形式のデータを分析?活用し、適切に扱うことのできる能力を身につけている。
- C.
- ビジネス又はヘルスケアの分野でデータ分析がどのように行われているかを、各分野固有の知識とあわせて学ぶことで、データが社会に果たしうる役割を理解するとともに、データを扱ううえで必要な倫理観や責任感(モラル)を身につけている。
- D.
- 様々な人々と協力し適切なコミュニケーションをとることができ、用いた分析手法や結果の統計的解釈をわかりやすく伝達することができる。
教育課程の編成?実施方針カリキュラムポリシー
データサイエンス学部では、ディプロマポリシーに掲げる知識や能力を学生が身につけられるよう、以下の方針に基づいてカリキュラムを編成?実施していきます。
- A.
- 1~2年次にかけてデータサイエンスに関する数学の基礎知識を修得したうえで、2~3年次に統計的分析手法に関する幅広い知識と技能を身につけるための講義科目?演習科目を修得する。
- B.
- 1~2年次に情報やプログラミングに関する基礎知識を修得したうえで、2~3年次に人工知能を含むアルゴリズムに関する幅広い知識とデータ分析?活用の技能を身につけるための講義科目?演習科目を修得する。
- C.
- 2~3年次に、ビジネス又はヘルスケアの分野におけるデータの分析を学ぶ科目を修得する。あわせて、講義やアクティブ?ラーニング型科目を通じて、データを扱う技術者としての倫理観と責任感を身につける。
- D.
- 1~4年次を通して、コミュニケーション能力やプレゼンテーション能力、創造的な思考力を身につけるため、演習科目やプロジェクト型学習科目、卒業研究を修得する。
- E.
- 学修成果の評価については、客観性及び厳格性を確保するために、シラバスに記載した各授業科目の到達目標の達成度について、成績評価の方法と基準(定期試験、レポート等)を用いて多面的?総合的に評価する。
専門教育カリキュラム
? | 1年 | 2年 | 3年 | 4年 | |
---|---|---|---|---|---|
専 門 基 礎 |
数学?情報基礎 | 数学基礎 情報社会及び情報倫理 線形代数学 情報学概論 DSプログラミング入門 確率論 |
解析学 データベース 幾何学 数理統計学 ネットワーク技術論 アルゴリズム論 |
||
DS入門?基礎 | データサイエンス入門 データサイエンス入門演習 |
データサイエンス基礎 データサイエンス演習 情報と職業 |
|||
データ分析活用 | 定量的データ解析 回帰分析 カテゴリカルデータ解析 表データ数理解析 データハンドリング 人工知能概論 時系列解析 ベイズ統計学 |
定量的データ解析演習 統計的モデリング カテゴリカルデータ解析演習 表データ数理解析演習 データマイニング 機械学習 デジタル信号処理技術 統計的社会調査法 テキストマイニング パターン認識 社会ネットワーク分析 統計的社会調査法演習 データ分析演習 |
|||
演習?卒業研究 | コロキアムⅠ | 研究倫理 | DSプロジェクト コロキアムⅡ |
卒業研究 | |
専 門 応 用 |
ビジネスデータ サイエンス |
経営情報概論 情報システム論 経営情報システム論 |
オペレーションズリサーチ マーケティング?リサーチ E-コマース論 数理最適化 ビジネスデータ分析 |
||
ヘルスデータ サイエンス |
疫学?公衆衛生学概論 保健医療学概論 |
遺伝学概論 薬理学概論 感性データ処理 医療健康情報学 バイオインフォマティクス 臨床研究概論 生物統計学 |
※カリキュラムは変更することがあります。
授業科目紹介
人工知能概論
人工知能は生活基盤を支える必要不可欠な基礎技術です。その技術やサービスは、経済、医療、教育、政治、芸術、スポーツ、ゲームなど生活や仕事の様々な場面で急速に広がっています。現在人工知能と呼ばれている技術を理解するため、基礎技術と具体的な応用を体系的に学び、プログラミング演習も課題として行います。
DSプロジェクト
DSプロジェクトでは、統計学?情報学分野/ビジネスデータサイエンス分野/ヘルスデータサイエンス分野のすべての分野にわたり、少人数のグループで討論?分析?発表を行います。Project-based learning(PBL?課題解決型学習)の形式で、現実のデータを扱いながら、自ら課題を見つけ、どのように解決すればよいか、主体的に学びます。
マーケティング?リサーチ
<ビジネス分野>
マーケティング?リサーチは、経営戦略やマーケティング活動に関連する問題を解決するための分析です。実際の商品やサービスを例にし、グループワークを通して実務に活用できるスキルを修得します。
生物統計学
<ヘルス分野>
生物統計学では、がん研究などの医学研究に有用となる統計学?データサイエンス?コンサルティング事項を身につけます。小グループ単位での課題も実施し、医学研究でのデータ解析の全体的なノウハウを修得します。
想定される進路
卒業後はデータサイエンスの専門知識をいかし、幅広い業種で企画?マーケティング、システムエンジニアとして、または公的機関や医療機関でヘルスケアに関連する業務に従事することが想定されます。
● 製造業?小売業?広告業?出版業 ● IT?情報通信業 ● 行政 ● 保健?医療機関(大学病院を含む) ● 製薬会社 ● 研究所?シンクタンク ● 金融機関(銀行?保険?証券など) ● 大学院進学 など
取得可能な免許?資格
所定の単位修得(選択制)により、下記の免許?資格が取得できます。
● 中学校教諭一種免許状(数学)
● 高等学校教諭一種免許状(数学)
● 高等学校教諭一種免許状(情報)
● 社会調査士
D棟
1階には講義や演習を大人数で受講できる教室と学生の休憩スペースが、2階から4階までには、学生研究室と教員研究室が配置されています。不明な点があればすぐに相談できる、学生と教員の距離の近さを実現しました。また、同時に大学構内のプロムナード整備を行い、大学生活を快適に過ごせる美しいキャンパスに生まれ変わります。
Q&A
- Q
高校では文系でしたが、データサイエンスを学ぶことはできますか?
- A
データサイエンティストは文系?理系関係なくめざせます。そもそもデータサイエンスは、数学や統計学、機械学習、プログラミングなどの理論を活用しながら、データを分析し、新しい価値を生み出す学問です。そのためには、社会、経済、人間についての理解も必要で、文系的なセンスが役に立ちます。
- Q
数学があまり得意ではないのですが、授業についていけますか?
- A
大学受験程度の数学の知識は最低限必要ですが、必ずしも高度な数学の知識は必要ありません。入学後は、「専門基礎科目」として、データサイエンスに関する数学の基礎を学びます。また、リメディアル学習の体制も準備中です。
- Q
卒業後活躍できるフィールドは、どのような分野でしょうか?
- A
膨大に蓄積されたビッグデータを活用できる人材は、今後官民問わず、幅広い分野で求められます。特に本学では、「ビジネスデータサイエンス」と「ヘルスデータサイエンス」の二つの柱で実践的に学び、企画、マーケティングアナリスト、SE等として活躍することが想定されます。