本学のデータサイエンス・ベーシックプログラムは、文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」に認定されています。（認定の有効期限：令和8年3月31日まで）
- 文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」
- 経済産業省「数理・データサイエンス・AI教育プログラム支援サイト」
- 新潟大学の認定制度への申請内容
- 関連：「データサイエンスリテラシー」（MDASH（応用基礎レベル））
データサイエンス・ベーシックプログラムとは
新潟大学のデータサイエンス・ベーシックプログラム（以下、本プログラム）とは、2019年に政府から発表された「AI戦略2019」において提示されている目標「文理を問わず、全ての大学・高専生（約 50 万人卒/年）が、課程にて初級レベルの数理・データサイエンス・ＡＩを習得」に基づき、本学の学生全員に数理・データサイエンス・AIの基礎を教育する目的で開設した教育プログラムです。
本プログラム及び本プログラム対象科目は、それらの学習内容を本ページにて学内外の方に広く発信するとともに、毎年、各科目の自己点検・評価を行いその結果を公開します。さらに、自己点検・評価の結果をふまえて各科目と本プログラムの改善（授業内容・方法、教育効果、シラバスの記載内容の改善、全学的な履修者数・履修率向上など）を行うことで、社会の変化と学修者に合わせた教育プログラムへの一層の充実を図ります。
2022年度実績においては1294名がデータサイエンス・ベーシックプログラムを修了しました。うち、令和4年度入学者は1209名であり、学年ベースでの修了者数は50%を超えています。
実施体制
| 担当組織 | 役割 |
|---|---|
|
ビッグデータアクティベーション研究センター 人材育成ユニット長 |
本プログラムの運営責任者 |
|
ビッグデータアクティベーション研究センター 人材育成ユニット |
本プログラムの改善・進化 |
| データサイエンス教育プログラム評価委員会 | 本プログラムの内部点検・評価 |
| データサイエンス教育プログラム外部評価委員会 | 本プログラムの外部点検・評価 |
本プログラム対象科目
| 科目名 | 科目区分 | 単位数 |
|---|---|---|
| データサイエンス総論I | 情報リテラシー | 1 |
| データサイエンス総論II | 情報リテラシー | 1 |
| エンジニアのためのデータサイエンス入門（力学分野） | 情報リテラシー | 2 |
| エンジニアのためのデータサイエンス入門（化学材料分野） | 情報リテラシー | 2 |
| エンジニアのためのデータサイエンス入門（融合領域分野） | 情報リテラシー | 2 |
| エンジニアのためのデータサイエンス入門（情報電子分野） | 情報リテラシー | 2 |
| エンジニアのためのデータサイエンス入門（建築分野） | 情報リテラシー | 2 |
| データサイエンス概説 | 新潟大学個性化科目, 自由主題 | 2 |
修了要件
対象科目から計2単位を取得すること。
本プログラム対象科目の開講状況
2023年度
| 科目名 | 主聴講対象学部等 | 開講番号 |
|---|---|---|
| データサイエンス総論I | 人文学部 | 233G3513, 233G3514 |
| 教育学部 | 231G3014, 231G3017 | |
| 法学部 | 233G3511, 233G3512 | |
| 経済科学部 | 233G3507, 233G3508, 233G3509, 233G3510 |
|
| 理学部 | 231G3009, 231G3010 | |
| 医学部医学科 | 231G3015 | |
| 医学部保険学科 | 231G3011, 231G3016 | |
| 歯学部 | 231G3008 | |
| 農学部 | 231G3012, 231G3013 | |
| （全学部） | 231G3007 | |
| データサイエンス総論II | 全学部 | 232G3031, 232G3032, 232G3033, 232G3034, 232G3035, 232G3036, 232G3038, 234G3523, 234G3524, 234G3525, 234G3526, 234G3527, 234G3528 |
| 医学部（医学科） | 232G3037 | |
| 教育学部 | 232G3039, 232G3040 | |
| エンジニアのためのデータサイエンス入門 | 工学部（力学分野） | 231G3018, 231G3019 |
| 工学部（化学材料分野） | 231G3020, 231G3021 | |
| 工学部（融合領域分野） | 231G3022, 231G3023 | |
| 工学部（情報電子分野） | 232G3041, 232G3042, 232G3043, |
|
| 工学部（建築分野） | 232G3044 | |
| データサイエンス概説 | 創生学部（1年次） | 233X0009 |
本プログラムの学修成果（学生が身に着けられる能力等）
- データが重要視されるようになった社会背景を理解する
- データとは何かを説明できる
- データの基本的な分析手法を理解する
- データサイエンティストに求められるスキルを理解する
- データの基礎的な処理ができる
- データの基礎的な分析ができる
授業内容
-
数理・データサイエンス・AIは、現在進行中の社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついていること
コンピュータやインターネットの歴史、ディジタライゼーション、ディジタル・トランスフォーメーション、データ駆動型社会について学ぶ。また、ディジタル・トランスフォーメーションの例やビッグデータの活用事例を通して、データ駆動型社会におけるデータサイエンスの必要性について理解する。
-
数理・データサイエンス・AIが対象とする「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの
様々な業界におけるビッグデータの活用による課題解決の事例、および自治体におけるオープンデータ利活用事例について学ぶ。また、構造化データ、被構造化データと半構造化データの特性、社会で活用されるデータの形式と収集・利用方法を学習する。さらに、「問題設定→データ収集→データ分析→施策実施・評価」のサイクルを繰り返すことで、日常生活や社会で生じる様々な課題が解決できることを理解する。
-
数理・データサイエンス・AIは様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出するもの
通信、医療などの業界や自治体におけるデータ活用事例を学ぶ。また、スポーツ用品店の商品仕入れ情報とオンライン地図の組合せにより新たなサービスが提供された事例などを通して、データサイエンスにより新たな価値が創出されていることを理解する。さらに、データ解析によるデータの関係性の数式化、機械学習による教師あり/なしのグルーピングといったデータ・AI利活用のための基礎技術を学習し、応用基礎レベルの学習意欲を抱かせる。
-
データ活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、ＡＩ社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする
データ駆動社会において個人データを守ることの重要性について学ぶ。また、データ活用にあたって関係する著作権法、個人情報保護法など様々な規則について学習し、データを扱う上でのリテラシーについて理解する。さらに、海外の事例として米国（反トラスト法の適用事例）、EU（GDPR）、中国（サイバーセキュリティ法）について学ぶ。
-
実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの基本的な活用法に関するもの
データの種類にあわせたデータ表現、度数分布表、ヒストグラムや箱ひげ図の作成と中央値、四分位範囲などの代表値、それらグラフによるデータ表現の扱い方、読み方を学習する。また、リレーショナル・データベース、データ整形などのデータ処理、相関係数などによる統計的分析、機械学習について学ぶ。
さらに、銀行顧客のオープンデータを用いて、Pythonによる定期預金をする顧客予測の機械学習の演習を行い、データサイエンスの基本的活用法を理解する。
モデルカリキュラムとの対応
数理・データサイエンス・AI教育拠点コンソーシアムのモデルカリキュラム（リテラシーレベル）と本プログラムの対応
| モデルカリキュラム | 学修内容 | 実施科目 |
|---|---|---|
| 1.社会におけるデータ・AI利活用 | ||
| 1-1. 社会で起きている変化 | 社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解する AIを活用した新しいビジネス/サービスを知る | データサイエンス総論I |
| 1-2. 社会で活用されているデータ | どんなデータが集められ、どう活用されているかを知る | データサイエンス総論I |
| 1-3. データ・AIの活用領域 | さまざまな領域でデータ・AIが活用されていることを知る | データサイエンス総論I |
| 1-4. データ・AI利活用のための技術 | データ・AIを活用するために使われている技術の概要を知る | データサイエンス総論I |
| 1-5. データ・AI利活用の現場 | データ・AIを活用することによって、どのような価値が生まれているかを知る | データサイエンス総論I |
| 1-6. データ・AI利活用の最新動向 | データ・AI利活用における最新動向（ビジネスモデル、テクノロジー）を知る | データサイエンス総論I |
| 2.データリテラシー | ||
| 2-1. データを読む | データを適切に読み解く力を養う | データサイエンス総論I, データサイエンス総論II |
| 2-2. データを説明する | データを適切に説明する力を養う | データサイエンス総論I, データサイエンス総論II |
| 2-3. データを扱う | データを適切に説明する力を養う | データサイエンス総論I, データサイエンス総論II |
| 3.データ・AI利活用における留意事項 | ||
| 3-1. データ・AIを扱う上での留意事項 | データ・AIを利活用する上で知っておくべきこと | データサイエンス総論I |
| 3-2. データを守る上での留意事項 | データを守る上で知っておくべきこと | データサイエンス総論I |
| 4. オプション | ||
| 4-1. 統計および数理基礎 | 数学基礎および統計基礎を学ぶ | データサイエンス総論I |
| 4-8. データ活用実践（教師あり学習） | データ利活用プロセス（教師あり学習）を体験し、データを使って考える力を養う | データサイエンス総論II |
自己点検・評価報告書の公開
本プログラムでは、履修者数の向上と不断の改善・進化にむけて、年度毎に自己評価・点検を行っています。
【令和3年度】
【令和2年度】
データサイエンス・ベーシックプログラムに関する問い合わせ
- 問い合わせ先
-
新潟大学教育・学生支援機構コモンリテラシーセンター
数理・データサイエンス部門
部門メールアドレス（
）へご質問ください。