学びと進路

学びの特色

データサイエンス学環では、社会的課題を解決していく知識や技術を身につけるため、データサイエンスの基幹となる科目(基幹科目※)と、情報学分野、理工学分野、経済学分野の応用となる科目を融合したカリキュラムになっています。また、理論を実践する演習や実習を通して、社会のさまざまな問題について、課題発見から課題解決に至る過程でのデータ活用を実践し、新たな価値を創りだすことを学びます。

※基幹科目では、数学や統計学をはじめ、データサイエンスに必要な情報科学の基礎を配置するとともに、データサイエンス活動に必要な知識・技術の基本となる科目を配置しています。

横にスクロールできます

学びの特色

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

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。

興味のある分野をタップしてください。

情報学分野

ビッグデータの活用やAI、画像や音声の解析、計算機科学など、広範なデータサイエンスの活用が可能な情報学分野。

理工学分野

気候変動研究や自動運転技術など、理工学分野でもデータサイエンスの活用が進んでいます。

経済学分野

文系のイメージがある経済学分野ですが、実はデータサイエンスが活躍している分野。ファイナンスやマクロ経済などの応用科目を予定しています。

02現実の課題に取り組む実践的な演習・実習

2年生から始まる「研究実践科目」は、実践的な演習・実習と卒業研究で構成されています。「基幹科目」や「応用科目」で学んだ知識・技術を具体的に実践する場として位置づけ、データサイエンスの入門的な取り組みから段階的に難易度を上げ、現実の課題に取り組んでいきます。徐々に「学びの体験」を積み上げて、社会の困難な課題に向き合い、新たな価値を創りだしていく実践力を高めていきます。

履修モデル・進路

入学当初から目的意識を持って学修に取り組めるよう、4つの履修モデルを用意しています。学生は、自分自身の興味・関心や卒業後の進路(キャリア)に応じて、履修モデルを参考に、自由にカリキュラムを選択できます。

  • Aさん
  • Bさん
  • Cさん
  • Dさん
AI・機械モデル

AI・機械モデル

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。

全学共通科目
全学共通キャリア形成科目
基幹科目

データサイエンス概論1/データサイエンス概論2/基礎解析学1/基礎解析学2/線型代数学1/線型代数学2/統計学1/統計学2/プログラミング概論/プログラミング演習/回帰分析/多変量解析/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/離散数学A/コンピュータネットワーク

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/人工知能/自然言語処理

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 経済学入門1/経済学入門2/計量経済学

研究実践科目

データサイエンス演習1/データサイエンス演習2/データサイエンス演習3/データサイエンス演習4/データサイエンス実践1/データサイエンス実践2/卒業研究

将来の進路
AIエンジニア

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

大学院への進学

このほかにも、データサイエンス学環の卒業生は、課題解決能力を武器に、社会のあらゆる分野で活躍することが期待されます。

地球・都市環境モデル

地球・都市環境モデル

地球環境におけるデータ解析手法を学び地球環境問題への理解を深め、併せて都市形成の過程における都市交通・環境問題について、経済学の観点から学ぶモデル。

全学共通科目
全学共通キャリア形成科目
基幹科目

データサイエンス概論1/データサイエンス概論2/基礎解析学1/基礎解析学2/線型代数学1/線型代数学2/統計学1/統計学2/プログラミング概論/プログラミング演習/回帰分析/多変量解析/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/コンピュータネットワーク/プロジェクトマネジメント

応用科目

情報学分野人工知能

理工学分野 解析力学/知能情報工学/気象・熱環境学/大気科学/地球環境学/宇宙工学入門/地球環境データサイエンス

経済学分野 経済学入門1/経済学入門2/ミクロ経済学1/ミクロ経済学2/計量経済学/都市経済学1/都市経済学2

研究実践科目

データサイエンス演習1/データサイエンス演習2/データサイエンス演習3/データサイエンス演習4/データサイエンス実践1/データサイエンス実践2/卒業研究

将来の進路
自治体での都市計画・環境保護政策立案

自治体での都市計画・環境保護政策立案

総合職・エンジニア

建設業の企画開発部門や製造業のエネルギー制御部門で活躍する総合職・エンジニア

大学院への進学

大学院への進学

このほかにも、データサイエンス学環の卒業生は、課題解決能力を武器に、社会のあらゆる分野で活躍することが期待されます。

ファイナンス・FinTechモデル

ファイナンス・FinTechモデル

各種事業や証券等の資金投資における意思決定過程において、データサイエンスをいかに利用するかを学び、併せてFinTech等の新しいテクノロジーが金融分野においてどのように使われるのか、その可能性を考えるモデル。

全学共通科目
全学共通キャリア形成科目
基幹科目

データサイエンス概論1/データサイエンス概論2/基礎解析学1/基礎解析学2/線型代数学1/線型代数学2/統計学1/統計学2/プログラミング概論/プログラミング演習/回帰分析/多変量解析/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/データベース工学/離散数学A/離散数学B/コンピュータネットワーク/プロジェクトマネジメント/次世代技術

応用科目

情報学分野コンピュータアーキテクチャ/人工知能

理工学分野選択なし

経済学分野経済学入門1/経済学入門2/マクロ経済学1/マクロ経済学2/ミクロ経済学1/ミクロ経済学2/ファイナンス1/ファイナンス2/計量経済学

研究実践科目

データサイエンス演習1/データサイエンス演習2/データサイエンス演習3/データサイエンス演習4/データサイエンス実践1/データサイエンス実践2/卒業研究

将来の進路
データアナリスト

銀行・証券会社・保険会社などのデータアナリスト

総合職・エンジニア

金融業のFinTechシステムの設計・開発を行う総合職・エンジニア

経営コンサルタント

経営コンサルタント

大学院への進学

大学院への進学

このほかにも、データサイエンス学環の卒業生は、課題解決能力を武器に、社会のあらゆる分野で活躍することが期待されます。

IT・情報サービスモデル

IT・情報サービスモデル

自然言語処理やインタラクティブシステム等、情報分野におけるデータサイエンスを利用する汎用的なアプリケーションを学ぶとともに、量子コンピューターやブロックチェーン等の新しい基盤における応用も考えるモデル。

全学共通科目
全学共通キャリア形成科目
基幹科目

データサイエンス概論1/データサイエンス概論2/基礎解析学1/基礎解析学2/線型代数学1/線型代数学2/統計学1/統計学2/プログラミング概論/プログラミング演習/回帰分析/多変量解析/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/アルゴリズムとデータ構造1/アルゴリズムとデータ構造2/統計の数理/応用統計学/データベース工学/離散数学A/コンピュータネットワーク/プロジェクトマネジメント/次世代技術

応用科目

情報学分野インタラクティブシステム/人工知能/自然言語処理

理工学分野解析力学/量子力学1/量子力学2/量子力学3/応用解析

経済学分野経済学入門1/経済学入門2/計量経済学

研究実践科目

データサイエンス演習1/データサイエンス演習2/データサイエンス演習3/データサイエンス演習4/データサイエンス実践1/データサイエンス実践2/卒業研究

将来の進路
データアナリスト

IT・情報サービス産業におけるデータアナリスト

アカウントマネージャー

広告代理店や総合商社のアカウントマネージャー

大学院への進学

大学院への進学

このほかにも、データサイエンス学環の卒業生は、課題解決能力を武器に、社会のあらゆる分野で活躍することが期待されます。

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。

※各資格のウェブサイトへ遷移します。

カリキュラム

データサイエンス学環の学生は、自身の興味・関心やキャリアに応じて自由に科目選択し、自分だけのキャリアをつくれます。

基幹科目

数学や統計学をはじめ、データサイエンスに必要な情報科学の基礎を配置するとともに、データサイエンス活動に必要な知識・技術の基本となる科目を学びます。

データサイエンス概論1・2
データサイエンス概論1・2

データサイエンスで用いられる統計学や人工知能などの科学的手法が、自然現象や社会現象の予測や識別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を連係協力学部とその専門分野ごとに学ぶことで、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。

教員紹介はこちら

科目一覧

※科目については、変更する場合があります

  • データサイエンス概論1
  • データサイエンス概論2
  • 基礎解析学1
  • 基礎解析学2
  • 線型代数学1
  • 線型代数学2
  • 統計学1
  • 統計学2
  • プログラミング概論
  • プログラミング演習
  • 回帰分析
  • 多変量解析
  • 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
  • アルゴリズムと
    データ構造1
  • アルゴリズムと
    データ構造2
  • 統計の数理
  • 解析学
  • 応用統計学
  • データベース工学
  • 離散数学A
  • 離散数学B
  • コンピュータネットワーク
  • プロジェクトマネジメント
  • 次世代技術
教員紹介はこちら

応用科目

情報学分野・理工学分野・経済学分野の科目で構成されます。学生の興味・関心や卒業後の進路に応じて科目を選択し、データサイエンスの実際の活動の場や対象となるデータ等について体系的に学びます。

情報学分野

人工知能
人工知能

人工知能(AI)の歴史、画像認識、音声認識、自然言語処理の基礎から応用まで、さらに深層学習(ディープラーニング)等の革新的技術について幅広く学びます。

科目一覧

※科目については、変更する場合があります

  • コンピュータ
    アーキテクチャ
  • 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
  • 人工知能
  • 自然言語処理

理工学分野

地球環境学
地球環境学

気候変動、酸性雨、オゾン層破壊、原子力と放射線に着目し、地球環境問題を学びます。それぞれの発生メカニズム、人体・生態系への影響、予防・保全のための国際的取り組みなどを取り上げ、自然科学的、社会科学的な観点から学習します。

科目一覧

※科目については、変更する場合があります

  • 解析力学
  • 量子力学1
  • 量子力学2
  • 量子力学3
  • 応用解析
  • 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
  • 気象・熱環境学
  • 大気科学
  • 地球環境学
  • 宇宙工学入門
  • 地球環境データサイエンス

経済学分野

都市経済学1・2
都市経済学1・2

家計や企業の立地選択の結果発生する都市の構造、都市の形成や公共財の取り扱い、交通や環境の問題に対する経済政策の考え方を学びます。

教員紹介はこちら

科目一覧

※科目については、変更する場合があります

  • 経済学入門1
  • 経済学入門2
  • マクロ経済学1
  • マクロ経済学2
  • ミクロ経済学1
  • ミクロ経済学2
  • ファイナンス1
  • ファイナンス2
  • 計量経済学
  • 都市経済学1
  • 都市経済学2

研究実践科目

基幹科目、応用科目で培った知識・技術を実践する場。データサイエンスの入門的な取り組みから段階的に難易度を上げ、現実の課題に取り組むことで、新たな価値を創りだすための実践力を高めます。

データサイエンス演習3・4
データサイエンス演習3・4

情報学分野、理工学分野、経済学分野を対象にした具体的なデータの収集・加工・分析に取り組み、データサイエンスに関する知識・技術の定着を図るとともに、各分野におけるデータの特性や課題について理解を深めます。

教員紹介はこちら

科目一覧

※科目については、変更する場合があります

  • データサイエンス演習1
  • データサイエンス演習2
  • データサイエンス演習3
  • データサイエンス演習4
  • データサイエンス実践1
  • データサイエンス実践2
  • 卒業研究
教員紹介はこちら