データサイエンスリテラシー概要

数理・データサイエンス・AIの応用基礎修得を到達目標とするプログラムです。

本プログラムは文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」に認定されています。（認定の有効期限：令和9年3月31日まで）

• 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）」
• 新潟大学の認定制度への申請内容(一式(5.2MB))(様式のみ(0.3MB))
• 関連：「データサイエンス・ベーシックプログラム」（MDASH（リテラシーレベル））

修了要件

対象科目リストの科目群をもとに、以下の（ア）～（エ）を満たし合計で12単位以上を修得すること。

• （ア） [データサイエンス入門科目群]から2単位
• （イ） [統計科目群]または[数学科目群]から2単位以上
• （ウ） [情報概論科目群]から2単位以上
• （エ） [情報処理演習科目群]または[プログラミング基礎科目群]から2単位以上

対象科目

パッケージ型マイナー「データサイエンスリテラシー」

修了実績（2023/04/01更新）

本プログラムの学修成果（学生が身に着けられる能力等）

• 数理・データサイエンス・AIを活用するために必要な数学・統計、情報の基礎知識
• 数理・データサイエンス・AIが社会で必要とされる背景と様々な課題解決に数理・データサイエンス・AIを活用する姿勢
• 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、AIを活用し課題解決につなげる基礎能力
• 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

プログラム修得内容

1. データ表現とアルゴリズム

   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。 本プログラムにおいては、主に統計科目群、数学科目群、情報処理演習科目群、プログラミング基礎科目群の履修からなる。

2. ＡＩ・データサイエンス基礎

   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。 様々な業界におけるビッグデータの活用による課題解決の事例、および自治体におけるオープンデータ利活用事例について学ぶ。また、構造化データ、被構造化データと半構造化データの特性、社会で活用されるデータの形式と収集・利用方法を学習する。さらに、「問題設定→データ収集→データ分析→施策実施・評価」のサイクルを繰り返すことで、日常生活や社会で生じる様々な課題が解決できることを理解する。 本プログラムにおいては、主にデータサイエンス入門科目群の履修からなる。

3. ＡＩ・データサイエンス実践

   「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。 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。 本プログラムにおいては、「データサイエンス総論II」「データサイエンス概説」（いずれかが修了要件必修）の履修からなる。

4. 選択項目・その他

   選択項目は、「数学発展」、「ＡＩ応用基礎」、「データサイエンス応用基礎」及び「データエンジニアリング応用基礎」といった学修項目によって構成される。 本プログラムにおいては、情報概論科目群と、自由選択（４単位分）による学習者自身の目標に合わせた履修からなる。 データの種類にあわせたデータ表現、度数分布表、ヒストグラムや箱ひげ図の作成と中央値、四分位範囲などの代表値、それらグラフによるデータ表現の扱い方、読み方を学習する。 また、リレーショナル・データベース、データ整形などのデータ処理、相関係数などによる統計的分析、機械学習について学ぶ。
   その他は、スキルセットに該当があり上記のいずれにもあてはまらない学修項目である。

モデルカリキュラムとの対応

自己点検・評価報告書