データ駆動型サイエンス推進プログラム
「データ駆動型サイエンス推進プログラム」の紹介
数理・データサイエンス・AI教育プログラム（応用基礎レベル）取組概要
総合環境理工学部における各専門分野においてデータ駆動型サイエンスの重要性が増しています。
「理工学の専門性 × データサイエンス ＝ イノベーション」といった価値観が大きくなり社会からの要請も増えています。これに応えるために、すでに開講されている「秋田大学地域におけるDX推進プログラム（リテラシーレベル）」をさらに発展させた「データ駆動型サイエンス推進プログラム」を開講します。
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（応用基礎レベル）」に認定されています（認定の有効期限：令和11年3月31日）。
「数理・データサイエンス・AI教育プログラム認定制度(応用基礎レベル)」における３つの基本的要素を身につけることができます。
- データ表現とアルゴリズム
- AI・データサイエンス基礎
- AI・データサイエンス実践
プログラム修了者には認定証が授与されます。
プログラム名称
データ駆動型サイエンス推進プログラム
開始年度
令和5年度
本プログラムの目的と目標
本プログラムを履修することで、数理・データサイエンス・A Iを活用して課題を解決するための実践的な能力を育成し、卒業後に大きな付加価値となることを目指します。
- データ駆動型社会において、数理・データサイエンス・A Iについて学ぶことの意義を説明できる
- プログラミングの基礎を通して、課題解決のためのデータ収集・加工・解析・可視化・評価の一連のプロセスを体験する
- A Iの歴史やどのような分野に応用されているのかについての知識を得る
- ニューラルネットワークの利用や実装についての理解
- 目的に応じて適切なデータ分析方法やデータの可視化方法を選択できる
- 自らの専門分野にデータサイエンスやA I技術を応用することができる
修了要件（カリキュラム）
「データサイエンスリテラシー概論」、「基礎情報学」、「基礎A I学」（各１単位）の計３単位を必修科目とし、「確率統計」、「データサイエンス」、「機械学習」（各２単位）、「情報セキュリティ基礎」、「情報セキュリティ実践」、「データ駆動型サイエンスのプラクティス」（各１単位）から４単位以上を履修すること。
カリキュラムマップ
本プログラムの授業内容
| 授業科目名 | 単位数 | 授業内容 |
| データサイエンスリテラシー概論 | １単位 | 社会の急激な変化に伴い、数理・データサイエンス・AIの素養が求められるようになってきた。 数理・データサイエンス・AIが社会の中でどのように活用され、新たな価値を生み出しているのか理解し、数理・データサイエンス・AIを適切に利用するために、数理・データサイエンス・AIの発展してきた歴史から最新の技術動向まで社会における例を示しながら取り扱う。  データサイエンスリテラシー概論 授業紹介（外部サイト） |
| 基礎情報学 | １単位 | データ処理の技術を基盤から学び、プログラミングを通じてデータを人や社会にかかわる課題に活用する能力を育成する。プログラミング実践の体験を積みながら、データの表現と構造、アルゴリズムと制御構造、データ解析と可視化などの基本プロセスについて理解を深め、データに基づいた解決策を考案・実行する能力の基礎を築く。 基礎情報学 授業紹介（外部サイト） |
| 基礎A I学 | １単位 | ニューラルネットワークの基本から始め、手書き数字認識を例として実際にニューラルネットワークの実行・経験をする。ニューラルネットワークがどのような仕組みで手書き数字を認識するのか、どのようにしてニューラルネットワークが活用・応用されるのか、それら基本的な仕組みをコンピュータ演習と講義を通じて学ぶことを目的とする 基礎ＡＩ学 授業紹介（外部サイト） |
| 確率統計 | ２単位 | 確率論と統計学に関する基本的な事項（確率、確率変数、期待値、独立性、条件付き確率、推定等の基礎的概念）を扱う。 ベイズの定理を理解し用いること、データの記述の基礎が理解できるようになることを目標とする。 確率統計 授業紹介（外部サイト） |
| データサイエンス | ２単位 | データサイエンス、特に多変量解析の様々な手法を、実例を交えながら紹介する。実習を通して目的に合わせたデータの可視化や分析を実行する能力を身につけることを目的とする。 データサイエンス 授業紹介（外部サイト） |
| 機械学習 | ２単位 | データサイエンスの基礎的事項を概観し、分類の基礎的方法、回帰分析と正則化、検証の基礎的方法、統計的因果推論の基礎的方法を理解することを目標とする。 |
| 情報セキュリティ基礎 情報セキュリティ実践 |
各１単位 | セキュリティを担保する様々な技術や考え方とそれらがどのように連携してセキュリティを担保するか学ぶ。 ビッグデータの活用や機械学習の情報セキュリティへの応用について紹介し、ネットワークやオペレーティングシステム (OS)などのIT 技術およびデータサイエンスや AI について解説する。 情報セキュリティ 授業紹介（外部サイト） |
| データ駆動型サイエンスのプラクティス | １単位 | 様々な分野の概念や手法を統合して新しい価値を創出する総合的能力を習得するために、超スマート社会を構成する実例（AIの利活用、ビッグデータ、クラウドサービス、環境、ヘルスケア、金融・サービス、防災・エネルギーなど）やセキュリティを理解するとともに、 AIが社会に受けれられるために考慮すべき論点について学ぶ。 |
修了者（R7年度受講）の声
舘 知哉（数理・電気電子情報学科 数理科学コース4年）さん
Q：スケジュール的に履修はしやすかったですか？ オンデマンド形式の授業はどうでしたか？
A：バランスよく履修できたので、履修しやすかったです。オンデマンド形式で、自分の都合の良い時間に調整でき、受講しやすかったです。
Q：授業の分かりやすさや理解度はどうでしたか？
A：具体例等を見ることができ、理解が難しい部分も詳しく学ぶことができたのでわかりやすかったです。
Q：面白かった授業内容について
A：情報セキュリティです。情報の機密性等に関する暗号化などの仕組みは非常に興味深かったです。
Q：卒論・修士の研究に活用できたこと
A：現時点で自分の研究自体にはうまく活用できていないが、今後シミュレーション等で活用できるのではないかと考えています。
Q：後輩の学生へのアドバイス
A：情報技術の基本的な部分や応用の部分まで学ぶことができ、情報やデータサイエンスの見方を変えることができるのではないかと思います。
ソン カンリン（数理・電気電子情報学科 電気電子コース4年）さん
Q：スケジュール的に履修はしやすかったですか？ オンデマンド形式の授業はどうでしたか？
A：MDASH科目は履修しやすいと思います。オンデマンド形式だったので、自分の空き時間を有効に活用して履修することができ、非常に助かりました。わからない部分は再度再生して確認できる点も良かったです。
Q：授業の分かりやすさや理解度はどうでしたか？
A：少し難しい部分もありましたが、全体としてはわかりやすいと思います。オンデマンドであれば聞き取れなかった部分を繰り返し再生したり、スライドや図解が充実しており、抽象的な理論もイメージとして捉えやすかったです。
Q：面白かった授業内容について
A：「基礎データサイエンス」が特に印象に残っています。単にデータ分析の手法を学ぶだけでなく、実際にデータ分析を行う過程で多くの興味深い発見があることが面白かったです。
Q：卒論・修士の研究に活用できたこと
A：授業で学んだデータ処理とExcelの操作方法は、卒業研究のデータ解析に直結しました。膨大な実験データを処理する際、Pythonを用いて一括処理をしたり、Excelテンプレートを作成したりすることで、手作業時間を削減することができました。
Q：後輩の学生へのアドバイス
A： MDASHでは、データ解析の基礎に加え、ExcelやPythonを用いた実践的な分析手法を身につけることができました。これらは研究だけでなく、将来の仕事にも役立つ重要なスキルだと感じています。また、AIが広く使われている現在においては、分析結果をそのまま受け入れるのではなく、その妥当性を自分で判断する力が重要です。MDASHで得られる知識は、そのような力を養ううえでも有意義と思います。