大学教育センター

作新学院大学 数理・データサイエンス・AI 教育プログラム

作新学院大学 数理・データサイエンス・AI 教育プログラム

作新学院大学
数理・データサイエンス・AI 教育プログラム(リテラシーレベル)について

 本学では、全学的な基盤教育として数理・データサイエンス・AI に関する内容を学べる科目群を設置しています。
申請中
作新学院大学 数理・データサイエンス・AI 教育プログラムについて
▶ プログラムの概要
 作新学院大学 数理・データサイエンス・AI 教育プログラムでは、データサイエンス及び AI の基礎的な知識を習得し、数理・データサイエンス・AI を日常の生活、仕事等の場で使いこなすことが出来る基礎的な素養を身に付け、Society 5.0 の社会に必要とされる人材を育成します。プログラム修了者には、修了証を交付します。
 
▶ プログラムで身に付けることのできる能力(学修成果)
 今後のデジタル社会において、数理・データサイエンス・AI を日常の生活、仕事等の場で使いこなすことができる基礎的素養を主体的に身に付けること。そして、学修した知識・技能をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志で AI 等の恩恵を享受し、これらを説明・活用できるようになること。
 
▶ プログラムの修了要件
 本学では、1 年次に「コンピュータリテラシー1(2単位)」、「統計学 1(2単位)」、「情報と社会(2単位)」を開講しています。これらの科目を受講し、単位を取得することで、数理・データサイエンス・AI に関する教育プログラムを履修したことになります。
 
▶ 授業科目と内容 及び モデルカリキュラムとの対応

 1.社会におけるデータ・AI 利活用 講義内容
1-1 社会で起きている変化
・ビッグデータ、IoT、AI、生成AI、ロボット「情報と社会」(2回目)
・データ量の増加、計算機の処理性能の向上、AIの非連続的進化「情報と社会」(2回目)
・第4次産業革命、Society 5.0、データ駆動型社会「情報と社会」(2回目)
・複数技術を組み合わせたAIサービス「情報と社会」(2回目)
・人間の知的活動とAIの関係性「情報と社会」(2回目)
・データを起点としたものの見方、人間の知的活動を起点としたものの見方「情報と社会」(2回目)
1-2 社会で活用されているデータ
・調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど「情報と社会」(3回目)
・1次データ、2次データ、データのメタ化「情報と社会」(3回目)
・構造化データ、非構造化データ(文章、画像/動画、音声/音楽など)「情報と社会」(3回目)
・データ作成(ビッグデータとアノテーション)「情報と社会」(3回目)
・データのオープン化(オープンデータ)「情報と社会」(3回目)
1-3 データ・AI の活用領域
・データ・AI活用領域の広がり(生産、消費、文化活動など)「情報と社会」(8回目)
・研究開発、調達、製造、物流、販売、マーケティング、サービスなど「情報と社会」(8回目)
・仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など「情報と社会」(8回目)
1-4 データ・AI 利活用のための技術
・データ解析:予測、グルーピング、パターン発見、最適化、、モデル化とシミュレーション・データ同化など「情報と社会」(9回目)
・データ可視化:複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化など「情報と社会」(9回目)
・非構造化データ処理:言語処理、画像/動画処理、音声/音楽処理など「情報と社会」(9回目)
・特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ「情報と社会」(9回目)
・認識技術、ルールベース、自動化技術「情報と社会」(9回目)
1-5 データ AI 利活用の現場
・データサイエンスのサイクル(課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案)「情報と社会」(13回目)
・教育、芸術、流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介「情報と社会」(13回目)
1-6 データ・AI 利活用の最新動向

・AI等を活用した新しいビジネスモデル(シェアリングエコノミー、商品のレコメンデーションなど)「情報と社会」(14回目)

・AI最新技術の活用例(深層生成モデル、強化学習、転移学習、生成AIなど)「情報と社会」(14回目)
 
2.データリテラシー 講義内容
2-1 データを読む
・データの種類(量的変数、質的変数)「統計学 1」(2回目、3回目)
・データの分布(ヒストグラム)と代表値(平均値、中央値、最頻値)「統計学 1」(2回目、3回目)
・代表値の性質の違い(実社会では平均値=最頻値でないことが多い)「統計学 1」(2回目、3回目)
・データのばらつき(分散、標準偏差、偏差値)、外れ値「統計学 1」(2回目、3回目)
2-2 データを説明する

・データ表現(棒グラフ、折線グラフ、散布図、ヒートマップ、箱ひげ図)「コンピュータリテラシー1」(回数は担当教員によって異なる(例:下瀬川 陽 11回目))
・データの比較(条件をそろえた比較、処理の前後での比較、A/Bテスト)「コンピュータリテラシー1」(回数は担当教員によって異なる(例:下瀬川 陽 11回目))

2-3 データを扱う
・データの取得(機械判読可能なデータの作成・表記方法)「コンピュータリテラシー1」(回数は担当教員によって異なる(例:下瀬川 陽 10回目))
・データの集計(和、平均)「コンピュータリテラシー1」(回数は担当教員によって異なる(例:下瀬川 陽 10回目))
・データの並び替え、ランキング「コンピュータリテラシー1」(回数は担当教員によって異なる(例:下瀬川 陽 10回目))
3.データ・AI 利活用における留意事項 講義内容
3-1 データ・AI を扱う上での留意事項
・倫理的・法的・社会的課題(ELSI:Ethical, Legal and Social Issues)「情報と社会」(6回目)
・個人情報保護、EU一般データ保護規則(GDPR)、忘れられる権利、オプトアウト「情報と社会」(6回目)
・データ倫理:データのねつ造、改ざん、盗用、プライバシー保護「情報と社会」(6回目)
・AI社会原則(公平性、説明責任、透明性、人間中心の判断)「情報と社会」(6回目)
・データバイアス、アルゴリズムバイアス「情報と社会」(6回目)
・AIサービスの責任論「情報と社会」(6回目)
・データ・AI活用における負の事例紹介「情報と社会」(6回目)
3-2 データを守る上での留意事項
・情報セキュリティの3要素(機密性、完全性、可用性)「情報と社会」(7回目)
・匿名加工情報、暗号化と復号、ユーザー認証と、パスワード、アクセス制御、悪意ある情報搾取「情報と社会」(7回目)
・情報漏洩等によるセキュリティ事故の事例紹介「情報と社会」(7回目)

▶ 実施体制

委員会等役割
大学教育センター長 運営責任者
作新学院大学 数理・データサイエンス・AI 教育プログラム委員会

プログラムの改善・進化等

自己点検・評価

▶ 自己点検結果

〈参考〉
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)」