授業内容・シラバス
カリキュラムの構成
本学科の専門科目はビジネス領域のデータサイエンスの専門家を育成することを目的として、先端的で網羅的なカリキュラムを配置しています。専門科目は大きく「データサイエンス」科目、「データエンジニアリング科目」、「ビジネス科目」として整理されています。また実践力のための4年間を通じたPBL (Problem Based Learning) を徹底し、理論だけではなく自らがデータサイエンスを推進できる力を醸成します。理科系ならではのデータに対する科学的で論理的な分析・解釈能力を身につけます。すべての科目に共通する知識となる科目は必修科目として、さらに、3つの分野のうちの一つについては体系的に知識習得するために、科目群に関する選択必修制度を設けています。具体的な科目の流れや内容については下部の図や、シラバスをご覧ください。
具体的な科目の例は以下の通りです。
データサイエンス科目
確率論や統計学はデータサイエンスの中心的役割を果たします。そのために「確率論及び演習」「統計学及び演習」を必修科目として配置し、また、データ分析や計算機の高度利用による複雑なモデルによるデータ分析のための分析技術として、「データ解析第1・第2」、「機械学習」、「深層学習」などをデータサイエンス科目として配置しています。
データエンジニアリング科目
充実したプログラミング (Python, R, SQL) 科目を配置します。「情報処理」、「プログラミング言語及び演習第1」、「データ解析第1」、「データ構造とアルゴリズム」、「OR演習」、「データベース工学」などを1年次から3年次まで連続して学習します。また、これらのプログラミング技術以外に「画像処理」「感性工学」「自然言語処理」などもデータエンジニアリング科目として配置されています。
ビジネス科目
データサイエンスを適用するビジネス分野に関する科目が用意されています。「品質管理」、「企業データ分析」、「マーケティング・リサーチ」、「経済性工学」、「生産管理」、「サプライチェーン・マネジメント」、「金融工学」など、現在社会の企業や組織の円滑な活動、適切な意思決定をサポートするデータサイエンス関連科目を配置しています。
また、カリキュラムの集大成として、4年次に特定の教員の元で卒業研究に取組み、卒業論文として、課題設定、データ収集とデータ分析、考察を論理的にまとめます。
本学科に関連する資格や検定として、「技術士」「アクチュアリー」「統計検定」「品質管理検定」「ディープラーニング検定」などがあり、これらの資格習得もバックアップしております。
