データサイエンス学科

学科で学ぶ統計学、オペレーションズ・リサーチ、機械学習について、それぞれ概観するとともに、それらがどのように関連しているかを学び、データサイエンスの成り立ちと意義について理解します。あわせて、専門キャリア形成についても考える機会を提供します。

確率と統計に関する知識は、データサイエンスの分野だけでなく、情報理論や通信工学、ソフトウェアの品質管理、計測工学などの理工学全般で必要となります。この授業では、確率と統計に関する基礎概念として、記述統計、基本統計量、事象と確率、確率変数、期待値、確率分布などを学びます。

オペレーションズ・リサーチは、問題解決のための学問とも呼ばれ、企業などの組織における意思決定にも利用されます。この授業では、社会での問題解決によく用いられる数理モデルと代表的な数理的手法である線形計画法、待ち行列、シミュレーションについて学び、オペレーションズ・リサーチによる問題解決の手順や考え方を理解します。

この授業では、データサイエンスのうち、特に統計学的な内容を取り上げます。データをどのようにまとめたら良いか、まとめられたデータからどのようなことを読み取ったら良いのかなどについて、統計学が提供する様々な考え方や手法を学び、それらを適切に利用できるようにします。

この授業では、コンピュータ（ノートPC）を用いた実習を行います。実習内容は、実データを題材にした最適化技術・統計解析技術の活用であり、現実の問題について、プログラミングを通じて、これらの数理技術を活用して、どのようにして解決するかを学びます。

この授業では、より専門的な統計学として、統計データの記述法からはじめ、推測統計学の基礎理論とその応用まで学びます。統計的なものの見方や考え方を身につけるとともに、統計モデルに基づく区間推定や仮説検定など、実社会でも広く利用されている統計データ解析法の適用の仕方について学びます。

この授業では、グラフと呼ばれる図形を取り上げます。グラフは最短経路問題などの現実の問題を表現する道具として、データサイエンスに限定しない広い範囲で利用されています。グラフとは何か、そして、グラフを利用することでどんな問題を解決できるかを、理論的な側面も含めて学びます。