東京海洋大学

MENU

教育・国際交流Education and International exchange

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)

※2022年度以降の入学者対象

 本学では学部学生等が数理・データサイエンス・AI等への関心を高めるとともに、必要な知識及び技術を体系的に修得できるよう、次のとおり教育プログラムを設定しています。

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(リテラシーレベル)』
(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(リテラシーレベル)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を学ぶ基礎となるリテラシーのプログラムであり、数理・データサイエンス・AIを学ぶことの意義や社会における利用動向・問題、基礎的な技術の概要についての教育を行う。

2.授業科目及び修了要件

授業科目 学年 単位 修了要件
データサイエンス入門A 1年 2科目を履修し単位を修得すること。
データサイエンス入門B 1年

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」

  1. 社会に対する影響を知り、数理・データサイエンス・AIを学ぶことの意義を理解する。
  2. データ・AI研究・利用の最新動向を知る。
  3. データの種類と収集方法を知る。
  4. データ・AIの活用領域を知る。
  5. 具体的なデータ・AIの活用・開発事例を知る。特に海洋におけるデータ・AIの活用事例を知る。
  6. データ・AI利活用における倫理・法律・情報セキュリティの問題を理解する。

(2)「データサイエンス入門B」

  1. データを扱う上での統計学の基礎、可視化、手法について理解する。
  2. データ・AI利活用の技術の概要を知る。
  3. データからモデルを学習する過程を知る。

4.数理・データサイエンス・AI教育における本プログラムの位置付け

 リテラシーレベルに続く数理・データサイエンス・AI教育は以下のように整理できるので今後の学習の参考にしてください。

  1. データ表現とアルゴリズム:「数学基礎(統計数理、線形代数、微分積分)」、「アルゴリズム」、「データ表現」、「プログラミング基礎」
  2. AI・データサイエンス基礎:「AI基礎」、「データサイエンス基礎」、「機械学習の基礎と展望」、「深層学習の基礎と展望」
  3. AI・データサイエンス実践:「データエンジニアリング基礎」、「データ・AI活用 企画・実施・評価」
  4. 数学発展:「統計数理」、「線形代数」、「微分積分」
  5. AI応用基礎:「機械学習」、「深層学習」、「知的活動に関わるAI技術」
  6. データサイエンス応用基礎:「データハンドリング」、「学習の分析」、「最適化」
  7. データエンジニアリング応用基礎:「データエンジニアリング」、「各種ライブラリ・フレームワーク」



関連リンク(別ウィンドウでリンク先を開きます。サイト外のページに移動します)

PAGE TOP