データサイエンス科目とは？ -What is a data science subject?
・いくつもの分野に広く応用できる共通の基礎技法を習得するための科目であり、データの獲得・編集・分析手法とモデリング・シミュレーションおよび論理・確率・代数などの数理科学について学びます。
・データサイエンス科目では卒業後に最低限必要なスキルを提供しています。データサイエンス科目以外にも応用的なスキル科目が提供されているので、学生のニーズに合わせて履修してください。
・This course is designed for students to acquire common basic techniques that can be widely applied to
several fields,
and covers data acquisition, editing, and analysis methods, modeling, simulation, and mathematical sciences
such as
logic, probability, and algebra.
・Data Science courses provide the minimum skills required after graduation. In addition to data science
courses, applied
skills courses are offered and should be tailored to the student's needs.
カリキュラム
・「データサイエンス１」２単位を修得した上で「データサイエンス２」２単位を修得することが３年生への進級要件です
・2 credits of "Data Science 1" and 2 credits of "Data Science 2" are required to advance to the third year.
時間割表
| 時間 | 月 | 火 | 水 | 木 | 金 | |
|---|---|---|---|---|---|---|
| 1 | 【DS2】経済・ファイナンスのデータサイエンス /時系列解析法 | 【DS2】統計解析【学期前半】 | 【DS1】線形代数 | |||
| 2 | 【DS1】微分・積分
【DS2】アルゴリズムサイエンス |
【DS1】【GIGA】微分・積分
【DS2】環境ガバナンスのデータサイエンス【オンライン】 【DS2】統計解析【学期前半】 【DS2】数理解析 【DS2】【GIGA】バイオインフォマティクスのデータサイエンス |
【DS1】統計基礎
【DS1】統計基礎 【DS1】微分・積分 |
【DS2】最適化の数理 | ||
| 3 | 【DS1】線形代数
【DS2】生命動態のデータサイエンス【オンライン】 【DS2】ベイズ統計【オンライン】 |
【DS1】【GIGA】統計基礎
【DS1】確率 |
||||
| 4 | 【DS2】【GIGA】統計解析 | 【DS1】微分・積分
【DS2】情報と社会のデータサイエンス |
||||
| 5 | 【DS1】確率
【DS1】【GIGA】線形代数 |
【DS1】線形代数 | ||||
| 【DS1】確率【オンデマンド】 | 【DS1】【GIGA】確率【オンデマンド】 | 【DS2】生命科学実験の基礎【TTCK】 |
データサイエンス１
・データサイエンスを修得する上で基礎的な科目です。
・「統計基礎」「確率」「微分・積分」「線形代数」の４科目（各２単位）があり、２単位以上が３年生への進級に必要です。１５０〜２５０名を対象に講義と演習を行います。
※「データサイエンス２」履修上の前提科目です。
科目名 |
時間 |
|---|---|
| 統計基礎 | 月曜2限, 火曜3限, 水曜3限(GIGA) |
| 確率 | 火曜3限, 水曜3限, 金曜3限, オンデマンド(GIGA) |
| 微分・積分 | 月曜2限, 木曜2限, 金曜2限, 木曜2限(GIGA) |
| 線形代数 | 火曜4限, 水曜4限, 水曜5限, 月曜5限(GIGA) |
科目名 |
時間 |
|---|---|
| 統計基礎 | 火曜1限, 火曜4限(GIGA) |
| 確率 | 水曜1限, 金曜4限 |
| 微分・積分 | 火曜3限, 火曜2限(GIGA) |
| 線形代数 | 火曜1限, 火曜1限(GIGA) |
データサイエンス２
・「データサイエンス１」の履修を前提に、研究会で研究を行う際に必要となる応用的なスキルを身につけます。研究分野別に必要となるスキルを身につけるテーマ別科目とより高度な方法論を習得するスキル別科目があります。数十名程度を対象に、講義と演習を実施します。
※２単位以上が３年生への進級に必要です
データサイエンス２・科目
テーマ別科目 |
スキル別科目 |
|---|---|
| 問題発見・解決のための数学リテラシー | 数理解析 |
| 情報と社会のデータサイエンス | ベイズ統計 |
| ビジネスのデータサイエンス | 数理モデル |
| 医療・健康のデータサイエンス | 最適化の数理 |
| 環境ガバナンスのデータサイエンス | 統計解析 |
| 生命動態のデータサイエンス | 統計解析(GIGA) |
| スポーツのデータサイエンス | |
| 国際社会のデータサイエンス | |
| アルゴリズムサイエンス | |
| 生命科学実験の基礎(TTCK) |
テーマ別科目 |
スキル別科目 |
|---|---|
| 医療・健康のデータサイエンス | 統計解析(GIGA) |
| アルゴリズムサイエンス(GIGA) | ベイズ統計 |
| 生命動態のデータサイエンス(GIGA) | 最適化の数理 |
| バイオインフォマティクスのデータサイエンス | 数理モデル |
| 問題発見・解決のための数学リテラシー | 統計解析 |
| ビジネスのデータサイエンス | |
| 生命科学実験の基礎(TTCK) | |
| スポーツのデータサイエンス | |
| 折り紙の科学 | |
| 地球惑星科学にみる数学 | |
| データ科学と人工知能・芸術・デザインのための数学 |
質問セッション時間割
時間 |
場所 |
対応科目 |
|---|---|---|
| 月５ | o13 | 微分・積分,線形代数,確率 |
| 水5 | o13 | 微分・積分,線形代数,確率,微分積分【GIGA】,確率【GIGA】,統計基礎【GIGA】 |
| 金５ | o13 | 微分・積分,線形代数,確率,統計基礎,微分・積分【GIGA】,線形代数【GIGA】,確率【GIGA】,統計基礎【GIGA】 |
参考図書(押すとKOSMOSの図書ページに移動します)
