◆プログラムを構成する授業の内容
（2024年度）
| 授業に含まれている内容・要素 | 講義内容 | |
|---|---|---|
| （１）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。 |
社会で起きている変化 |
IoT利用からデータ量の増加、そしてビッグデータをAIを利用して分析・活用するデータ駆動型社会。ビッグデータを活用し、個人に適した情報サービスの提供、消費者行動モデルの構築。さらなるAIの進化、人間とAIの関係性など、社会で起きている変化の概要を学ぶ。「データサイエンスⅠ」（2回目）
|
| データ・AI利活用の最新動向 |
シェアリングエコノミーや商品レコメンデーション、異常検知など、AI等を活用したさまざまな新しいビジネスモデルを学ぶ。また、今後さらに広く活用されるであろうAIの最新技術の活用例について学ぶ。「データサイエンスⅠ」（7回目）
|
|
| （２）「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 |
社会で活用されているデータ | 調査データやログデータなどのデータの種類、データをどのように得ているか。1次データ、2次データ、3次データといったデータの所有者に関することやデータのメタ化。構造化データと非構造化データ。ビッグデータとはどういうものなのか、またデータ処理の大まかな流れを学ぶ。「データサイエンスⅠ」（3回目） |
| データ・AIの活用領域 | ビッグデータやIoT、ロボティクスといった新たな技術の進展によって、データとAIの活用領域が広がっている。研究開発、生産活動、販売・消費、文化活動などさまざまな分野での活用状況と、活用目的ごとのデータ・AI活用について学ぶ。「データサイエンスⅠ」（4回目） | |
| （３）様々なデータ利活用の現場におけるデータ利活用事例が示され、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 |
データ・AI利活用のための技術 | データを扱う場合に守らなければならない法制度、AIでデータを扱う場合に留意すべき説明可能性、アカウンタビリティなどについて学ぶ。また、AI活用における負の事例も確認する。「データサイエンスⅠ」（14回目） |
| データ・AI利活用の現場 | データ分析による意思決定、情報技術による自動化、これらを進めるにあたり実際にはどのように行われるか、どのような課題があるのかを学ぶ。また、データ・AIを活用することによって、どのような価値が生まれるのか、価値を生むためにはどのようなことに気をつけるべきかを学ぶ。「データサイエンスⅠ」（6回目） | |
| （４）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・AIを扱う上での留意事項 | データを扱う場合に守らなければならない法制度、AIでデータを扱う場合に留意すべき説明可能性、アカウンタビリティなどについて学ぶ。また、AI活用における負の事例も確認する。「データサイエンスⅠ」（14回目） |
| データを守る上での留意事項 | 情報漏洩などによるセキュリティ事故やプライバシー侵害の事例をもとに、セキュリティ・プライバシーの観点からデータを守るための留意点を学ぶ。「データサイエンスⅠ」（14回目） | |
| （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 |
データを読む | 「データを読む」ための基本事項を学ぶ。母集団と標本抽出、統計情報を正しく理解する注意点を学ぶ。「データサイエンスⅠ」（8回目） 質的変数、量的変数、尺度と統計量、グラフの利用について学ぶ。「データサイエンスⅠ」（9回目） Excel の基本操作１ Excelの基本的疎な操作方法、データの可視化「データサイエンスⅡ」（2回目） Excel の基本操作２ 平均・標準偏差の算出と可視化「データサイエンスⅡ」（3回目） Excel の基本操作３ 基本統計量「データサイエンスⅡ」（4回目） データ型と統計量（平均値、中央値、最頻値、分散、標準偏差）「データサイエンスⅡ」（5回目） 標本と母集団、正規分布、標本分布「データサイエンスⅡ」（7回目） |
| データを説明する | グラフや図を使用して分かりやすく表現することについて学ぶ。図解表現としてどのようなものがあるか、優れた可視化の例、不適切なグラフ表現について学ぶ。「データサイエンスⅠ」（10回目） グラフの種類、データ型とグラフ表現について学ぶ。「データサイエンスⅠ」（11回目） データの視覚的方法（度数分布表、ヒストグラム、箱ひげ図）「データサイエンスⅡ」（6回目） データの関係性の調査 クロス集計表「データサイエンスⅡ」（9回目） データの関係性の調査 平均値の比較「データサイエンスⅡ」（10回目） データの関係性の調査 散布図、相関係数「データサイエンスⅡ」（11回目） |
|
| データを扱う | 「データを扱う」基本的方法を学ぶ。データファイルの形式やデータ解析ツールについて学ぶ。「データサイエンスⅠ」（12回目） データの集計、データ操作、複数テーブルの結合、注意点などについて学ぶ。「データサイエンスⅠ」（13回目） 検定と推定「データサイエンスⅡ」（8回目） 線型回帰「データサイエンスⅡ」（12回目） 時系列データ「データサイエンスⅡ」（13回目） 線形計画法「データサイエンスⅡ」（14回目） |
|
