共通教養科目 | 教育プログラムの修了要件 | 学部・研究科 独自の教育プログラム |
---|---|---|
入門教育(リテラシーレベル)
さまざまな専門分野における AI・データサイエンス技術の活用事例を各学部教員がリレー形式で紹介する。AI・データサイエンス技術の開発に関わる教員の実例にも触れ、データの統計学的な取り扱いとAI 特有のデータ処理技法に関する知識を身につける。 |
以下の2科目4単位を修得すること
|
各学部・研究科でさらに高度なデータサイエンティスト育成のための学部独自の教育プログラムも展開しています。 ■システム理工学部 ■ビジネスデータサイエンス学部 |
実践基礎(応用基礎レベル)
統計学に加えて、機械学習、深層学習、ファジィ理論等の基礎理論を実践を交えて学ぶ。さらに、社会のあらゆる活動をデータ化し、蓄積したビッグデータに対して、統計処理技術、AI技術を駆使して新たな知見を獲得する基礎的な技能を身につける。 |
以下の2科目4単位を修得すること
|
入門教育(リテラシーレベル) |
---|
共通教養科目 |
入門教育(リテラシーレベル)
さまざまな専門分野における AI・データサイエンス技術の活用事例を各学部教員がリレー形式で紹介する。AI・データサイエンス技術の開発に関わる教員の実例にも触れ、データの統計学的な取り扱いとAI 特有のデータ処理技法に関する知識を身につける。 |
教育プログラムの修了要件 |
以下の2科目4単位を修得すること
|
実践基礎(応用基礎レベル) |
---|
共通教養科目 |
実践基礎(応用基礎レベル)
統計学に加えて、機械学習、深層学習、ファジィ理論等の基礎理論を実践を交えて学ぶ。さらに、社会のあらゆる活動をデータ化し、蓄積したビッグデータに対して、統計処理技術、AI技術を駆使して新たな知見を獲得する基礎的な技能を身につける。 |
教育プログラムの修了要件 |
以下の2科目4単位を修得すること
|
学部・研究科 独自の教育プログラム |
---|
各学部・研究科でさらに高度なデータサイエンティスト育成のための学部独自の教育プログラムも展開しています。 ■システム理工学部 ■ビジネスデータサイエンス学部 |