数理・データサイエンス・AI教育リテラシープログラム
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の基盤となる統計学の基本事項を学び、データを読み、説明し、扱うことができる能力を培います。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、普遍的な知識の習得を目指します。
＊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（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）
プログラム対象科目/修了要件
（修了要件：上記2科目4単位を取得）
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．
実施体制
学修内容
| 学修内容 | 授業科目 | （参考）モデルカリキュラム（リテラシーレベル）※1との対応 |
|---|---|---|
| 授業の冒頭で「情報の学び方」として、情報の諸側面（人間・問題解決・社会に関わる側面）、特に人間の知的活動について概観する。次に、現代の情報システムとその特徴について学ぶ。また、ビッグデータの処理技術とAIの変遷・応用範囲の拡大について理解し、これらが日常生活や社会をどのように変革するのかを学ぶとともに、情報技術の発展と人間と社会との関係について理解する。特に、インターネットによって集積されたビッグデータがAIの基礎となっていることを学ぶ。また、自動車やロボットなどを具体例として、IoTが産業界を中心に急速に発展していることを学ぶ。AIに関する理解を深めるために、計算速度の増加やAIの歴史、深層学習や強化学習の応用例について適宜触れる。さらに、情報システムを活用した各種のサービスやビジネスについて学ぶ。 | 情報 |
1.社会におけるデータ・AI利活用 1-1. 社会で起きている変化 1-6. データ・AI利活用の最新動向 |
| 現代社会で取り扱われるデータの増大と処理技術の進歩、ビッグデータの発生源や活用例、ビッグデータの社会的インパクトについて学ぶ。また、ビッグデータの具体的な発生源（ウェブページ、通信、社会行動、センサー、IoT、科学データ）について適宜触れる。さらに、記号、アナログとディジタル、符号化などの情報の表現や、代表的なデータモデルの概観と特徴を学ぶ。特に、画像/動画、音声/音楽の表現方法について、その基礎となっている量子化、標本化、標本化定理、符号化も含めて学ぶ。また、構造化データの具体例として、グラフ（ネットワークモデル）と木構造（階層モデル）について学ぶ。表構造（関係モデル）や非構造データ（オブジェクト指向モデル）についても適宜触れる。 |
情報
基礎統計 |
1.社会におけるデータ・AI利活用
1-2. 社会で活用されているデータ 1-3. データ・AIの活用領域 |
| スマホアプリ等の身近な情報システムをとりあげてデータ・AI利活用事例を紹介し、地図情報システムなども含めて、データ・AI利活用のための情報技術について学ぶ。また、最適化、シミュレーションなどのデータ解析技術の基礎となっている計算の記述方法やアルゴリズムについても学ぶ。グラフや木構造については、それらの形式のデータの可視化技術についても学ぶ。さらに、適応インターフェイス、仮想現実感（VR）と拡張現実感（AR）などの新しいインターフェイスの概念と技術の概説及び活用例についても適宜触れる。AIとビッグデータについては、AIの歴史について適宜触れながら、現在のAIの可能性に関する理解を深める。また、データサイエンスサイクルの基礎として、モデル化からコンピュータを用いた問題解決に至る過程について学ぶ。 |
情報
基礎統計 |
1.社会におけるデータ・AI利活用
1-4. データ・AI利活用のための技術 1-5. データ・AI利活用の現場 |
| 棒グラフ、折れ線グラフ、散布図といった基本的なデータ表現や比較の手法、ヒストグラムや代表値をもとにデータのばらつきの概要を的確に説明できる基礎知識、不適切なグラフ表現やまぎらわしい誇張表現が存在すること、二次元データの相関係数や因果との関係性をはじめとするデータハンドリングの基盤、そしてそれらの基本的な記述統計をスプレッドシートなどを用いて集計、算出そして解析する方法を学ぶ。さらに機械学習の複雑で高度なモデリング・解析手法に遭遇した場合の理解の助けとなる統計学の基本事項（母集団と標本、確率分布、独立同一分布性、統計的推測等）の考え方について、excelやRによる統計データ解析等も適宜組み入れながら理解する。これにより学部後期課程の様々な学部において、確率論、統計学、そしてデータサイエンスに関連する科目を履修する際に必須となる基本知識を身に付ける。 | 基礎統計 |
2.データリテラシー
2-1. データを読む 2-2. データを説明する 2-3. データを扱う |
| 情報技術と社会について、技術と社会、情報技術の影響、社会への影響、インターネットと民主主義の側面から理解する。また、AIと社会との接点についても適宜触れる。具体的には、情報技術の普及によって生じているコミュニケーション、情報検閲、宗教、文化等に及ぶあらゆる領域での変化、SNS/GPS/ビッグデータと社会の接点、権利と所有の境界（情報技術が権利及び著作権に与える影響等）、プライバシーとセキュリティの境界（ネットワーク技術の発達と個人情報保護の在り方、情報流出や漏洩に対する安全性の確保等）、インターネットは民主主義を加速するか、ネットは公共空間か共同体か、ネットの功罪を学ぶほか、AIと社会の関わり方、倫理等について学ぶ。情報セキュリティについては、基本的な概念（機密性、完全性、可用性）、共通鍵暗号と公開鍵暗号、ディジタル署名とPKIについて学ぶ。 |
情報
基礎統計 |
3.データ・AI利活用における留意事項
3-1. データ・AIを扱う上での留意事項 3-2. データを守る上での留意事項 |
※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（リテラシーレベル）モデルカリキュラム～データ思考の涵養～」
※ 後期課程進学後に「統計データ解析Ⅰ」を履修することにより「基礎統計」と同等以上の学修を行うことができます。