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）
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）
理工学部として、全ての学生が応用基礎レベルの数理・データサイエンス・AI技術を習得する事を目標とし、教育プログラム「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）」を開講します。
※本教育プログラムは、文部科学省「数理・データサイエンス・ＡＩ教育プログラム（応用基礎レベル）」に認定されています。認定の有効期限は令和９年３月３１日までです。
プログラムを構成する授業科目
コア科目群（共通教育）
コア科目群（学科教育）
- バイオ電子フォトニクス実験Ｂ【応用化学生物学科】
- マテリアルフォトニクス実験Ｂ【応用化学生物学科】
- 電子光工学プロジェクト【電子光工学科】
- システムデザインプロジェクト【情報システム工学科】
選択科目群（共通教育）
- 微分積分学Ⅱ（数学Ｃ）
選択科目群（学科教育）
- コンピュータアプリケーション【応用化学生物学科】
- 画像工学【電子光工学科】
- ソフトウェア工学概論【情報システム工学科】
※丸括弧内は旧カリキュラム（令和２年度以前の入学者が対象）における授業科目名です。
プログラムの修了条件
「コア科目群（共通教育）」から10単位以上、「コア科目群（学科教育）」から2単位以上を取得することで、プログラムを修了することができます。
身に付けることが出来る能力
理工系人材の教養として、社会における数理・データサイエンス・AIの役割を理解し、実践的なデータ活用技術を身に付けることが出来ます。具体的には、技術者倫理やデータ倫理に基づき、ドメイン分野（応用化学生物学、電子光工学、情報システム工学）において、データの集計・加工・分析ができるようになります。これらの基礎として、数学基礎・アルゴリズム・データ表現・プログラミング基礎のスキルを身に付けることが出来ます。
プログラミングを構成する授業の内容
1. 数学基礎、アルゴリズム、データ表現、プログラミング基礎
数理・データサイエンス・AI活用に必要な数学（微分積分学、線形代数学、統計学）の基礎を理解する。実データの分析、AIを実現するための手段としてアルゴリズム、データ表現、プログラミングの基礎を学ぶ。
該当授業科目：情報学基礎演習、微分積分学Ⅰ（数学Ａ）、情報技術概論、線形代数学Ⅰ（数学Ｂ）、データ活用基礎（データサイエンス）
該当授業科目：情報学基礎演習、微分積分学Ⅰ（数学Ａ）、情報技術概論、線形代数学Ⅰ（数学Ｂ）、データ活用基礎（データサイエンス）
2. データ駆動型社会とデータサイエンス、分析設計、ビッグデータとデータエンジニアリング
現代社会以降（Society4.0，Society5.0～）の理工学系人材にとって、数理・データサイエンス・AI技術が必須スキルである事を学ぶ。様々なデータ分析⼿法・データ可視化⼿法を知ることにより、⽬的に応じて適切な⼿法を選択出来るようになる。また、ICT（情報通信技術）の進展とビッグデータについて学ぶ。
該当授業科目：情報学基礎演習、情報技術概論、データ活用基礎
該当授業科目：情報学基礎演習、情報技術概論、データ活用基礎
3. AIの歴史と社会、機械学習（深層学習）の基礎と展望、AIの構築と運用
AIの歴史と活⽤領域の広がりについて学ぶ。最新のAI技術の活用例を知ることにより、現在のAIで出来ること、出来ないことを理解する。機械学習（教師あり学習、教師なし学習）、深層学習、強化学習の基本的な概念を理解し、AIの構築と運⽤について知る。
該当授業科目：情報技術概論、データ活用基礎（データサイエンス）
該当授業科目：情報技術概論、データ活用基礎（データサイエンス）
4. 「データエンジニアリング基礎」及び「データ・AI活用、企画・実施・評価」の実践
理工学部として伝統的に実施している実習・実験・プロジェクト系科目において、上記項目を実践し、データを「人や社会にかかわる課題の解決」に活用できる能力を身に付ける。
該当授業科目：情報学基礎演習、情報技術概論、データ活用基礎（データサイエンス）、バイオ電子フォトニクス実験Ｂ、マテリアルフォトニクス実験Ｂ、電子光工学プロジェクト、システムデザインプロジェクト
該当授業科目：情報学基礎演習、情報技術概論、データ活用基礎（データサイエンス）、バイオ電子フォトニクス実験Ｂ、マテリアルフォトニクス実験Ｂ、電子光工学プロジェクト、システムデザインプロジェクト
5. オプション
- 数学発展
- データエンジニアリング応用基礎
- AI応用基礎
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）申請書
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）」の申請書です。