文字サイズ
  • SNS公式アカウント
  • YouTube
  • Facebook
  • Twitter
  • Instagram

データサイエンス学科

履修について

学びの体系

ビッグデータを解析し、数理モデルを構築する

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び、数理モデル化とデータ分析技術適用能力を涵養します。共通教育科目のうち経済・経営系科目の履修を積極的に推奨し、社会に評価される価値に敏感な価値観を涵養します。さらに、問題解決型の実習および演習科目により技術統合能力を養成します。

副専攻制による技術統合能力の涵養

ソフトウェア工学副専攻では、ソフトウェア工学に関する基礎的な技術適用能力と、ソフトウェア工学を支える情報科学やソフトウェア工学に関する発展的な内容を学びます。電子情報工学副専攻では、電子情報工学に関する基礎的な技術適用能力と、電子通信と情報処理やセキュリティに関する技術について学びます。機械システム工学副専攻では、制御工学と機械工学に関する基礎的な技術適用能力について、さらに制御工学、機械工学、計測工学の技術を学びます。

履修科目

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。

学科科目 必修科目

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
  • ビッグデータ概論
  • 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

学科科目 選択科目

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
  • ビッグデータのための統計
  • 確率モデルとシミュレーション
  • データサイエンス演習Ⅱ
  • 数理論理学
  • 幾何とベクトル
  • 多変量解析
  • 統計データ解析法
  • 代数系入門

学科科目 副専攻科目

ソフトウェア工学副専攻

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

[ 選択必修科目 ]

  • 計算機アーキテクチャとOS
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)

[ 選択必修科目 ]

  • プログラミング言語
  • 情報モデリング
  • ソフトウェア開発技術Ⅱ

電子情報工学副専攻

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)

[ 選択必修科目 ]

  • 電子通信工学
  • 情報セキュリティⅠ
  • マルチメディア情報処理
  • データベース

機械システム工学副専攻

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
  • 機械工学基礎

[ 選択必修科目 ]

  • 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)

[ 選択必修科目 ]

  • 制御理論Ⅱ
  • 機械・材料力学
  • HW/SW協調設計

カリキュラムの特徴

機械学習やシミュレーションを含む人工知能技術、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び、数理モデル化とデータ分析技術に習熟することで技術適用能力を涵養します。
さらに、数理モデル化とデータ分析のための諸技術を実問題に適用する問題解決型の実習および演習科目と他専門分野を学ぶ副専攻科目によって、技術統合能力を養成します。