数理・データサイエンス・AI教育応用基礎プログラム
教育目的/育成する人材像
本プログラムでは、現代の情報システムの構造や役割、ビッグデータやAIの利活用の動向等を知り、人間や社会への影響を理解して思考するための基礎知識を獲得します。また、データサイエンス・AIの基盤となる数学的な知識や統計学、情報科学等の基本事項と手法を学び、データから意味を抽出し、課題解決につなげるための基礎能力と実践的スキルを培います。これらを通じて、急速に変化する情報化社会に流されない、普遍的な知識を習得するとともに、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指します。
＊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（応用基礎レベル）」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）
プログラム対象科目/修了要件
（学部前期課程開設授業科目）
修了要件：「数学Ⅰ」、「数学Ⅱ」の2科目計4単位、又は「微分積分学①」、「微分積分学②」、「線型代数学①」、「線型代数学②」の4科目計6単位の取得に加え、「情報」、「基礎統計」、「アルゴリズム入門」の3科目計6単位を取得。
なお，情報関連科目についてはこちらにより詳しい説明があります．
実施体制
学修内容
| 授業科目 |
学修内容 ※担当教員によって、順序や内容に⼀部変更が加えられる場合がある。 |
（参考）モデルカリキュラム（応用基礎レベル）※1との対応 |
|---|---|---|
| 数学Ⅰ | 文科生向けに一変数関数の微分法と積分法に関する基礎的内容を扱う科目である。社会科学に関連する題材を織り交ぜ、数学的な概念を把握することに重点をおいて講義する。 | 1-6. 数学基礎 |
| 数学Ⅱ | 文科生向けの、ベクトルと行列に関する基礎的な内容や、計算手法を理解するための科目である。 | 1-6. 数学基礎 |
|
微分積分学①
微分積分学② |
1. ⼀変数関数の微分
(微分の基本性質，テーラーの定理，テーラー展開)
2. 多変数関数の微分 (偏微分と全微分，合成関数の微分の連鎖律) 3. 多変数関数の微分（続き）(高級偏微分，多変数のテーラーの定理とその応用) 4. ⼀変数関数の積分 (区分求積法，微分積分学の基本定理) 5. 多変数関数の積分 (多重積分と累次積分，多重積分の変数変換公式) 6. 無限級数と広義積分 (関数列の収束，広義積分) |
1-6. 数学基礎 |
|
線型代数学①
線型代数学② |
1. ベクトル空間，線型写像
2. 生成系，⼀次独立性，基底 3. 内積 4. 行列式 5. 固有値，固有ベクトル 6. 対称行列の対角化と二次形式 |
1-6. 数学基礎 |
| 情報 | 高等学校で必修の教科「情報」をある範囲内で前提としつつ、情報の3つの側面、技術面だけでなく人間・社会などを含めた内容としている。具体的には、情報システム、AI等をはじめとする情報技術の基礎や動向から、記号、メディア、ユーザインタフェースなどについても触れながら、さらに、著作権、プライバシー、情報セキュリティ、ソーシャルネットワークなどの情報社会・情報倫理に関することまで、情報分野の基礎について幅広く学ぶ。 |
1-7. アルゴリズム
2-2. データ表現 2-7. プログラミング基礎 2-1. ビッグデータとデータエンジニアリング 3-1. AIの歴史と応用分野 3-2. AIと社会 3-3. 機械学習の基礎と展望 3-4. 深層学習の基礎と展望 3-9. AIの構築と運用 |
| 基礎統計 | 学生が専門課程における統計学の学習にスムーズに入れるための基礎を提供する。特に、確率変数、確率分布、期待値、母集団と標本の概念、標本分布、推定、検定などの基礎事項を修得させる（理論を理解し、自力で計算できる）ことに主眼を置いている。 |
1-6. 数学基礎
1-2. 分析設計 3-3. 機械学習の基礎と展望 3-9. AIの構築と運用 |
| アルゴリズム入門 | アルゴリズムの基本概念や、アルゴリズムを作るための考え方を、Python言語によるプログラミングを通して習得する。 |
1-7. アルゴリズム
2-2. データ表現 2-7. プログラミング基礎 1-1. データ駆動型社会とデータサイエンス 1-2. 分析設計 2-1. ビッグデータとデータエンジニア リング 3-2. AIと社会 3-3. 機械学習の基礎と展望 3-9. AIの構築と運用 |
※1 数理・データサイエンス教育強化拠点コンソーシアム「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム ～AI×データ活用の実践～」
学部前期課程で上記授業科目を履修していない場合、学部後期課程で開講される以下の授業科目で同等の学修を行うことができます。
数学科目：「文科系のための線形代数・解析Ⅰ・Ⅱ」
基礎統計：「数理科学続論I（統計データ解析I ）」
アルゴリズム入門：「Pythonプログラミング入門」
又は「データサイエンス超入門」