LEARNING / CAREER PATHS学びと進路

オープンキャンパス お申し込みはこちら

学びの特色

明星大学データサイエンス学環の
3つのポイント

POINT 01

データサイエンスに必要な
情報学・理工学・経済学分野と融合した学び

総合大学であるメリットを生かし、情報学部、理工学部、経済学部の3学部が連係協力するデータサイエンス学環では、それぞれの学問分野の科目を「応用科目」として開設。興味・関心や卒業後の進路の希望に応じて分野や科目を選択し、データサイエンスの実際の活動の場を想定し、対象となるデータ等を活用して学ぶことができます。さまざまな学問の垣根を行き来し、学びの幅が広がる、データサイエンス学環ならではの仕組みです。

  • 情報学分野

    学びのキーワード

    プログラミング、AI、機械学習、画像処理、音声解析、自然言語（ひとの言葉）処理、セキュリティ、アルゴリズム

  • 理工学分野

    学びのキーワード

    量子力学、宇宙工学、機械工学、知能ロボティクス、自動運転、気象、大気科学、地球環境学

  • 経済学分野

    学びのキーワード

    マクロ経済、ミクロ経済、金融、都市経済、証券市場、ファイナンス

授業の様子
POINT 02

少人数・教員との距離が近い

少人数だから教員との距離が近く、分からないことはすぐ聞ける安心の環境。先輩や仲間とつながりながら、支え合い、刺激し合い、着実に成長できる学びの場です。
自習やグループワーク、談話、食事などに利用できる、学環生専用のアカデミックラウンジも整備されています。

授業の様子
POINT 03

現実の課題に取り組む
実践的な演習・実習

「研究実践科目」は、「基幹科目」や「応用科目」で学んだ知識・技術を実社会の課題に活かす科目です。入門から段階的に実践力を高め、20以上の研究室からテーマを選んで卒業研究に取り組み、新たな価値を創り出す力を育てます。

カリキュラム

データサイエンス学環では、学生一人ひとりの興味や関心、将来の目標に合わせて、段階的に学びを深めていける仕組みを整えています。
入学後から卒業までを見通しながら、自分に合った学び方を選ぶことができます。

1年次

1年次では、数理科学・統計学・情報科学を修得します。

PICK UP

  • データサイエンス概論のイメージ画像

    データサイエンス概論

    データサイエンスで用いられる統計学やAIなどの科学的手法が、社会生活や自然現象、社会現象の予測にどのように使われているかを学びます。また、大学内で実際に行われているデータサイエンスを使った研究や取り組みについて、３つの応用分野（情報学、理工学、経済学）それぞれに学ぶことで、具体的なデータサイエンスの学修と研究について理解します。

  • 確率・統計入門のイメージ画像

    確率・統計入門

    データサイエンスに必要な確率・統計の基礎を体系的に学びます。確率分布や期待値・分散の理解を土台に、標本と母集団の関係、統計的推測の理論まで踏み込みます。数学が得意でなくても段階的に理解できる構成で、データを根拠に論理的に判断する力を養います。

主な科目

  • 微分積分入門
  • データ分析の基礎
  • データサイエンスのためのプログラミング演習
  • 情報倫理

ほか

※科目については、変更する場合があります

2年次

2年次では、データサイエンスの活用に必要な知識・技術を修得します。

PICK UP

  • データサイエンス実践のイメージ画像

    データサイエンス実践

    身近なモデルケースを題材に、データサイエンスの一連の流れを実践的に学びます。グループワークを通じて、課題抽出からデータの収集、加工、分析、AIを活用する実装までを体験します。分析した結果は授業内で発表し意見交換し合うことで、社会に役立つ分析スキルと説得力のある発信力を養います。

  • AI・機械学習のイメージ画像

    AI・機械学習

    人工知能（AI）の歴史、機械学習の基礎的手法から始め、人工ニューラルネットワーク、深層学習（ディープラーニング）、強化学習を学びます。また深層学習の応用として、画像認識、音声認識、自然言語処理等の分野で生み出されている革新的技術について幅広く学びます。

主な科目

  • 多変量解析
  • データベース工学
  • 地球環境学
  • 気象・熱環境学
  • 経済学入門
  • 経済統計

ほか

※科目については、変更する場合があります

3年次

3年次では、専門性を活かした応用分野に関する知識を習得します。

PICK UP

  • 大気科学のイメージ画像

    大気科学

    大気環境の基礎と大気汚染の現状を理解し、大気環境を管理するための大気汚染物質の監視方法や排出量推計方法について学びます。また、大気環境を数式化して解析する方法（シミュレーションモデル）についても学修し、大気環境に関する幅広い視野と知識の獲得を目指します。

  • エコノメトリクスのイメージ画像

    エコノメトリクス

    統計学の基礎から、経済データの分析手法である「回帰分析」の理論と実践までを体系的に学びます。標準的な仮定が崩れた際の対処法も習得し、実際のデータを用いた実習を通じて分析スキルを磨くことで、経済社会の動向を数値で捉え、根拠に基づいた解決策を提案できる実社会で即戦力となる論理的思考力を養います。

主な科目

  • 次世代技術
  • 自然言語処理
  • 量子力学
  • 宇宙工学入門
  • マクロ経済学
  • 金融論

ほか

※科目については、変更する場合があります

4年次

4年次では、演習・実習および卒業研究を通じた実践力を修得します。

PICK UP

卒業研究のイメージ画像

卒業研究

教員から指導を受けながら卒業研究に取り組みデータサイエンスに関する独自のテーマを探究します。これまで学んだ理論や応用 スキルを統合し、社会に役立つ成果を創出することを目指します。

履修モデル・進路

データサイエンス学環では、学生一人ひとりの興味や関心、将来の目標に合わせて、段階的に学びを深めていける仕組みを整えています。
入学後から卒業までを見通しながら、自分に合った学び方を選ぶことができます。

レスキューロボットの開発に興味があります！

AI・ロボティクスモデル

データサイエンスの応用分野として、AIを用いた機械制御やロボティクス、ヒューマンインタフェース等の理工・情報系技術を広く学び、AIエンジニアとしてのスキルを修得するモデル。

基幹科目 データサイエンスのためのプログラミング/
データサイエンスのためのプログラミング演習/
データサイエンス概論/
微分積分入門/微分積分学/線型代数入門/
線型代数学/確率・統計入門/データ分析の基礎/
統計数学/AI・機械学習1/
AI・機械学習2/情報学基礎/
情報セキュリティ入門/情報倫理/統計の数理/
解析学/応用統計学/回帰分析/多変量解析/
離散数学A/コンピュータネットワーク/
データサイエンスとキャリア
応用科目

情報学分野

画像処理/インタラクティブシステム/
オーディオプロセッシング/自然言語処理/
コンピュータアーキテクチャ

理工学分野

解析力学/機械工学概論/知能情報工学/
知能ロボティクス/機械情報処理/制御工学/
機械制御プログラミング

経済学分野

経済統計
研究実践科目 データサイエンス演習A・B・C・D/
データサイエンス実践1・2・A・B/
ゼミナールA・B/卒業研究1・2

将来の進路

  • IT・情報サービス産業や製造業で
    製品の企画開発・品質管理等を行う
    AIエンジニア

  • 大学院への進学

推奨される取得資格

資格取得が卒業の必須条件ではありませんが、次の資格取得を奨励しています。

  • データサイエンティスト検定
  • 統計検定
  • Ｇ検定(ジェネラリスト検定)
  • 基本情報技術者
  • データベーススペシャリスト
  • 情報セキュリティマネジメント
  • Ｅ資格