データサイエンス学科

データサイエンス学科に限らず理工学部のカリキュラムは、学生が無理なく学びを積み上げていけるように、必要であれば高校の復習から始めて、基礎から順に専門まで学べるようになっています。特に、大学での学び方に慣れていない1年次のうちは、演習の時間も豊富にあり、授業の中で学習のサポートが受けられます。学年が上がるにつれて、自立した学習が求められます。

データサイエンス学科の学科科目として、2年次には、データサイエンスを実践するのに必要な統計学やオペレーションズ・リサーチ、そして人工知能にも関連する機械学習を学びます。その際、実際に問題を解決する際には必要となるプログラミングもあわせて学びます。3年次は、データサイエンスを支える理論について理解を深めるとともに、研究室での演習がスタートし、実データに対する適用事例等を通じてビッグデータ解析や人工知能技術の応用について実践的に学習します。4年次は、それまでの学習を活かして、各自の研究テーマに沿った研究活動を進めていきます。

データは、なぜそのようなデータが得られたかを説明できることで、はじめて真価が発揮されます。その説明に用いられるのが数理モデルです。数理モデルは、データが得られた仕組みを、数式を使って記述します。ひとたび数理モデルができると、未来を予測することもできるかもしれません。データサイエンス学科では、数学科目で培う理学的素養の上に、人工知能技術、統計学およびビッグデータ解析技術、オペレーションズ・リサーチに関する専門知識を学ぶことで、データを分析する力と数理モデル化の能力を涵養します。

データサイエンス学科生は、理工学部の他の3学科の分野から副専攻を一つ選択して学ぶことになります。ソフトウェア工学副専攻では、生成AIの活用も目覚ましいソフトウェア工学に関する知識・技術を、電子情報工学副専攻では、データを取得するのに必要なセンサや、データを安全に保つためのセキュリティに関する知識・技術を、機械システム工学副専攻では、機械学習の手法も使って制御されるロボットなどの機械システムに関する知識・技術を学びます。他の分野について学ぶことが、データサイエンスの知識・技術を他分野でどのように活用できるかを考える機会となり、様々な技術を持つ人々と協働することで問題解決を図っていく力の涵養へとつながります。

※学部共通科目・学科科目の他に、共通教育科目を履修する必要があります。

履修学年	科目名
1年次	理工学基礎演習 理工学概論（データサイエンス） 論理と集合 プログラミング基礎 プログラミング応用 微積分学Ⅰ 微積分学Ⅱ 線形代数学Ⅰ 線形代数学Ⅱ
2年次	物理学基礎 統計学概論 通信ネットワーク基礎 微積分学Ⅲ 線形代数学Ⅲ OR概論 統計的データサイエンス概論 数理技術プログラミング 機械学習の数理 数理技術実習
3年次	データサイエンス演習Ⅰ,Ⅲ,Ⅳ
4年次	データサイエンス演習Ⅴ～Ⅷ 卒業研究Ⅰ～Ⅳ

履修学年	科目名
2年次	応用解析学 数理最適化
1年次～3年次	理工学海外研修
3年次～4年次	幾何学概論 データサイエンスのための統計学 データサイエンス演習Ⅱ 数理論理学 多変量解析 統計データ解析法 代数系入門
4年次	PBL実践演習（データサイエンス）

履修学年	科目名
2年次～4年次	[ 必修科目 ] アルゴリズムとデータ構造 システムプログラミング ソフトウェア工学基礎 [ 選択科目 ] 計算機アーキテクチャとOS 情報システム開発実習
3年次～4年次	[ 必修科目 ] ソフトウェア開発技術Ｉ PBL実践演習（ソフトウェア工学） [ 選択科目 ] プログラミング言語 情報モデリング ソフトウェア工学応用 ソフトウェア工学国際講義 ソフトウェア開発技術Ⅱ Webアプリケーション開発実習 人工知能とソフトコンピューティング ソフトウェア工学特別講義

履修学年	科目名
2年次～4年次	[ 必修科目 ] ネットワークプログラミング 電子工学基礎 情報通信システム 通信理論
3年次～4年次	[ 必修科目 ] PBL実践演習（電子情報工学） [ 選択科目 ] 電子通信工学 情報セキュリティⅠ ワイヤレスシステム工学 マルチメディア情報処理 データベース クラウド基盤と仮想化技術

履修学年	科目名
2年次～4年次	[ 必修科目 ] 機械制御プログラミング 制御工学基礎 制御理論Ⅰ [ 選択科目 ] 計測工学
3年次～4年次	[ 必修科目 ] PBL実践演習（機械システム工学） 機械工学基礎 [ 選択科目 ] 制御理論Ⅱ 機械・材料力学 現代システム制御 ロボット工学

1年次から2年次前半までの科目の多くは、理工学部で共通した内容の科目であり、理学的素養を身につけるための科目です。2年次後半から本格的に学科ごとの専門的な科目を履修します。2年次では、データサイエンス学科の3本柱である、統計学、オペレーションズ・リサーチ、機械学習のそれぞれについて基礎を学び、2年次最後半から3年次にかけて、より専門的な内容を学生自身の関心に合わせて科目の選択をしながら履修します。3年次はじめには研究室に配属され、研究活動に早くから触れる中、研究を進め、4年次には卒業研究として、大学での学びをまとめます。