データサイエンス・ベーシックプログラム概要

数理・データサイエンス・AIの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8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（リテラシーレベル）」
• 新潟大学の認定制度への申請内容
• 関連：「データサイエンスリテラシー」（MDASH（応用基礎レベル））

修了要件

次の対象科目から計2単位を取得すること。

必修科目の学部指定について

対象科目の一部は学部カリキュラムの必修・選択必修となっています。 特に「データサイエンス総論I」必修の学部はターム・曜限によって優先聴講学部が割り当てられているため、各学部の履修ガイダンスの指示に従って履修してください。

修了実績（2025/5/9更新）

評価委員会・外部評価委員会名簿（2025年4月1日現在）

本プログラムの学修成果（学生が身に着けられる能力等）

• データが重要視されるようになった社会背景を理解する
• データとは何かを説明できる
• データの基本的な分析手法を理解する
• データサイエンティストに求められるスキルを理解する
• データの基礎的な処理ができる
• データの基礎的な分析ができる

対象科目授業概要

1. 数理・データサイエンス・AIは、現在進行中の社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついていること

   コンピュータやインターネットの歴史、ディジタライゼーション、ディジタル・トランスフォーメーション、データ駆動型社会について学ぶ。また、ディジタル・トランスフォーメーションの例やビッグデータの活用事例を通して、データ駆動型社会におけるデータサイエンスの必要性について理解する。

2. 数理・データサイエンス・AIが対象とする「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの

   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。

3. 数理・データサイエンス・AIは様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出するもの

   通信、医療などの業界や自治体におけるデータ活用事例を学ぶ。また、スポーツ用品店の商品仕入れ情報とオンライン地図の組合せにより新たなサービスが提供された事例などを通して、データサイエンスにより新たな価値が創出されていることを理解する。さらに、データ解析によるデータの関係性の数式化、機械学習による教師あり/なしのグルーピングといったデータ・AI利活用のための基礎技術を学習し、応用基礎レベルの学習意欲を抱かせる。

4. データ活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、ＡＩ社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする

   データ駆動社会において個人データを守ることの重要性について学ぶ。また、データ活用にあたって関係する著作権法、個人情報保護法など様々な規則について学習し、データを扱う上でのリテラシーについて理解する。さらに、海外の事例として米国（反トラスト法の適用事例）、EU（GDPR）、中国（サイバーセキュリティ法）について学ぶ。

5. 実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの基本的な活用法に関するもの

   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。
   さらに、銀行顧客のオープンデータを用いて、Pythonによる定期預金をする顧客予測の機械学習の演習を行い、データサイエンスの基本的活用法を理解する。

モデルカリキュラムとの対応

自己点検・評価報告書