データサイエンス学部
データサイエンス学科
分析したデータから新しい価値を⽣み出すデータサイエンス学科の学び
学生自身が、社会や組織が抱える課題の解決や新たな価値の創造に貢献していくための知識や能力を身につけられるよう体系的な講義を行います。１〜２年次に数学、情報やプログラミングの基礎知識を修得したうえで、２〜３年次に統計的分析手法、人工知能を含むアルゴリズムに関する幅広い知識と技能を身につけます。また、同時にデータを扱う技術者としての倫理観と責任感も身につけます。1〜4年次を通して、コミュニケーション能力やプレゼンテーション能力、創造的な思考力を養います。
カリキュラムイメージ
時間割例
時間割（1年次秋学期）
| MON | TUE | WED | THU | FRI | |
|---|---|---|---|---|---|
| 1 | 情報リテラシー | 基礎演習 | ●線形代数学 | ||
| 2 | ●データサイエンス入門演習 | ●DSプログラミング入門 | 英語Ⅰc | ||
| 3 | PBL | 下関の観光 | 確率論 | 英語Ⅰd | |
| 4 | ●コロキアムⅠ | ||||
| 5 | 情報学概論 |
数理・データサイエンス・AI 教育プログラムについて
データサイエンス学部は、数理・データサイエンス・AI 教育強化コンソーシアムが定めたカリキュラムモデルに沿って、データサイエンス専門科目で構成するプログラム履修を推奨しています。
教員紹介
スペシャリストたちから深く広く学ぶ、未来を見据えた「データサイエンス」。
授業科目紹介
臨床研究概論
がん治療などの医薬品開発を含む医学研究の様々な段階における統計上の留意点と手順の概要を理解することを大きな目的とします。臨床試験のデザイン、分析、解釈までの一連の流れ、及び前向き研究、後ろ向き研究の臨床研究の研究計画書（プロトコール）作成の諸技能を身につけます。グループ単位でのプロジェクトを実施し、臨床研究の全体的なノウハウを修得します。
テキストマイニング
テキストマイニングとは、SNS・ブログ・口コミなどの様々な媒体で発信されるテキスト形式のデータの中から、データサイエンス技術を利用して有益な情報を抽出する技術のことです。テキストデータを統計的手法・ディープラーニングなどで分析し、マッピング・グラフ化することで情報を視覚化し新たな知見を発見することができます。本講義では、テキストマイニング技術・応用例などについて学びます。
情報システム論
身近な情報システムから、情報システムとは何かを考え、情報システムに必要なネットワークの知識を、シミュレータも用いながら学びます。さらに、情報セキュリティの重要性を考慮しながらWebサーバやデータベースサーバ等を連携させた情報システムを構築することで、実践的な力を養います。最後に情報システム構築時の要件定義を学び、情報システムを設計・構築する流れを学びます。
データサイエンス入門演習
データサイエンスが注目される今、「データを扱う」だけでなく「データで問題を解決し、価値を創る」力が求められています。課題定義・仮説立案からデータ収集・加工、データ分析、施策立案までの分析プロジェクトの流れを、グループワークで疑似体験します。各工程を進めるためのスキル・ノウハウを個人が学ぶとともに、チームとして良い施策提言を行うための試行錯誤や創意工夫にもチャレンジします。
在学生VOICE
高いスキルを持つ先生のもとで、実用的な技術を学んでいます。
データサイエンス学科3年
データサイエンス学科の魅力の一つが、技術力の高い先生方です。実際のデータを分析し有効的な施策などを作成する「データサイエンス入門演習」では、コンサル業界出身の教授のもとで実用的な技術をたくさん学んでいます。また授業外でも技能を磨いており、「デジコンしものせき」では優勝することができました。卒業までにデジコンで発表したソリューションを開発し、運用段階にまで発展させることが今の目標です。
D棟（データサイエンス棟）
D棟（データサイエンス棟）
1階は大講義室やラウンジ、2階以上には、学生研究室や教員研究室が配置されています。教員にすぐに相談できる、学生と教員の距離の近さを実現しました。
ラウンジ
カフェのようにくつろげる学生の休憩スペース。インターネット環境も完備されているのでグループワークや自習などにも活用されます。
講義室
⼤型スクリーンを３台備え、⼤⼈数の授業にも対応でき る講義室。
Q&A
- Q
高校では文系でしたが、データサイエンスを学ぶことはできますか？
- A
データサイエンティストは文系・理系関係なくめざせます。そもそもデータサイエンスは、数学や統計学、機械学習、プログラミングなどの理論を活用しながら、データを分析し、新しい価値を生み出す学問です。そのためには、社会、経済、人間についての理解も必要で、文系的なセンスが役に立ちます。
- Q
数学があまり得意ではないのですが、授業についていけますか？
- A
大学受験程度の数学の知識は最低限必要ですが、必ずしも高度な数学の知識は必要ありません。入学後は、「専門基礎科目」として、データサイエンスに関する数学の基礎を学びます。また、リメディアル学習も開催中です。
- Q
卒業後活躍できるフィールドは、どのような分野でしょうか？
- A
膨大に蓄積されたビッグデータを活用できる人材は、今後官民問わず、幅広い分野で求められます。特に本学では、「ビジネスデータサイエンス」と「ヘルスデータサイエンス」の二つの柱で実践的に学び、企画、マーケティングアナリスト、SE等として活躍することが想定されます。