関連講義
学部横断型プログラム「数理・データサイエンス教育プログラム」
数理・データサイエンスの能力の重要性は、文系分野を含む様々な分野で急速な広がりを見せています。 本プログラムでは、理系・文系にまたがる体系化された数理・データサイエンスに関する講義科目を提供します。 プログラムを履修した学生は、理系・文系を問わず将来の研究あるいは実務の面において必要になる 数理・データサイエンス分野に関する基礎的知識と技術を身に付けることができます。
データサイエンス履修の手引き概要
データサイエンスを学ぶには、そのための基礎として、数理系科目（解析・線形代数）、統計系科目（確率・統計）、情報技術系科目、プログラミング系科目を履修する必要があります。
このページでは、前期課程と後期課程の主要な科目を図示し、これらの科目間の関係を明らかにしています。さらに、機械学習・データマイニングをゴールとして、いくつかの履修パターンを示しています。
教養学部前期課程（駒場）の数理・データサイエンス関連科目
教養学部前期課程で提供されている数理，情報，統計，データサイエンス関連科目を紹介します．基礎的な内容である必修科目以外に，選択科目である総合科目・主題科目を含めると，多様な講義が開講されています．
『数理系科目』
「数理科学基礎」，「微分積分学」，「線型代数学」は理科系の必修科目です． 文科系においても，基礎科目・社会科学の「数学」I,II及び総合科目F系列の 「数理科学概論（文科生）」I,II,IIIで微分積分，線型代数の基礎を学ぶことが出来ます． より意欲的な文科生は，理科系必修の上記科目を総合科目F系列の科目として履修することが出来ます． なお，数学関連科目については， こちらのリンク により詳しい説明があります．
『情報系科目』
「情報」は文科系及び理科系の必修科目です． なお，情報関連科目については こちらのリンク により詳しい説明があります．
『統計系科目』
「基礎統計」
総合科目F系列の基礎統計は，総合科目の中でも履修率が高い科目の一つです．
数理・データサイエンス・AI教育リテラシープログラム
上で紹介した「情報」及び「基礎統計」を「数理・データサイエンス・AI教育リテラシープログラム」として位置づけています．
数理・データサイエンス・AI教育応用基礎プログラム
「数学I・II」，「微分積分学①・②」，「線型代数学①・②」，「情報」，「基礎統計」及び「アルゴリズム入門」を「数理・データサイエンス・AI教育応用基礎プログラム」の関連科目として位置づけています．
後期課程の数理・データサイエンス関連科目
上で紹介した学部横断型プログラム「数理・データサイエンス教育プログラム」以外にも 学部後期課程には多くの関連科目があります． 文系学部（法，文，経済，教育），理系学部（医，工，理，農，薬），教養学部後期課程に分けてまとめました．
文系学部
経済学部で統計学，ファイナンス関連の科目が多く開講されています．また文学部教育学部の合併科目として心理統計関連の科目が開講されています．
理系学部
特に理学部と工学部で 数理の科目（確率論，基礎数理，数理モデル，計測・制御・信号処理，数値解析・最適化）， 情報の科目（プログラミング・アルゴリズム，情報管理・インテリジェントシステム，数値計算・計算科学）， が多く開講されています．また，理学部と農学部でバイオインフォマティクス関連科目も多く見られます． 統計関連では，理学部と工学部における数理統計学，統計データ解析の科目の他， 生物統計学関連科目が医学部，理学部，農学部，薬学部のそれぞれで開講されています．
教養学部後期課程
３学科（教養学科，学際科学科，統合自然科学科）全てにおいて統計関連科目が開講されています． また学際科学科では情報関連科目，統合自然科学科では数理関連科目が開講されています．