1．教育プログラムの名称・概要

（1）名称	『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）』
（2）概要	全学共通の学部教育プログラムとして数理・データサイエンス・AI教育プログラム（応用基礎レベル）を設定し、本プログラム修了者には修了証を発行する。 　なお、本プログラムは、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）に続く応用基礎についてのプログラムであり、応用例を学ぶことで、データサイエンスおよびAIの基本的な概念と手法について理解するための教育を行う。

2．授業科目及び修了要件

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）を修了していることに加えて、以下の要件を満たすとき、修了とする。なお、所属する学科以外の科目については、他学部・他学科開設科目履修制度を用いて履修すること。

授業科目	開設学科	学年	単位	修了要件	備考
データサイエンス（※）	海洋環境科学科	3	2	1科目を履修し単位を修得すること。
データサイエンス（※）	流通情報工学科	3	2		他学部・他学科履修の場合は２年次の履修可
データサイエンス演習 （2023年度以前入学者）	流通情報工学科	2	1	1科目を履修し単位を修得すること。	他学部・他学科履修の場合は遠隔にて受講可
データサイエンスAI実践 （2024年度以降入学者）		2	2

3．学生が身に付けられる能力

（1）「データサイエンス入門A」（応用基礎レベルに関わる部分）

1. データサイエンスを学ぶことの意義を理解する。
2. AIのこれまでの変遷や技術背景を理解する。
3. AIを応⽤する際の権利や倫理について理解する。

（2）「データサイエンス入門B」（応用基礎レベルに関わる部分）

1. データ分析の基礎を理解する
2. データ・AI利活用に必要なプログラミングの基礎を理解する

（３）「データサイエンス」

応用例を学ぶことで、データサイエンスの基本的な概念と手法について理解する。

1. データを収集・処理・蓄積するための技術の概要を理解する。
2. コンピュータでデータを扱うためのデータ表現の基礎を理解する。
3. 機械学習、深層学習、強化学習の基本的な概念を理解する。
4. 複数のAI技術が組み合わされたAIサービス/システムの例を説明できる。

（３）「データサイエンス」

応用例を学ぶことで、AIの基本的な概念と手法について理解する。

1. データを収集・処理・蓄積するための技術の概要を理解する。
2. コンピュータでデータを扱うためのデータ表現の基礎を理解する。
3. 機械学習、深層学習、強化学習の基本的な概念を理解する。
4. 複数のAI技術が組み合わされたAIサービス/システムの例を説明できる。

4．自己点検・評価の結果

• 2024年度自己点検・評価報告書