ビジネスデータサイエンス学科・専攻
シラバス(講義要項)
データサイエンス学科では、社会や科学における問題を自ら発見し、統計科学や最適化などの数理科学、プログラミング、データベース技術などの情報技術を基盤としつつデータを活用することで解決し、新たな価値を創出し、未来社会に向けたイノベーションを起こせる、グローバル対応力を持った人材を養成します。
ビジネスデータサイエンス学科で身に付けるべき資質と能力
グローバルな視点に立って多面的に物事を考えることのできる能力とそのために必要な素養。
ここでのグローバルな視点とは、特定の個人や組織だけでなく他の人々や組織、社会的な見地から、現在だけでなく将来まで見通して考えること、工学的・技術的な側面からだけでなく人文・社会科学的な側面から物事を捉えることを指します。
データサイエンティストに求められる専門技術に関する知識と、それを適用し組織・社会が直面する現実の問題を理解し、問題設定し、解決できる能力。
具体的には、ビジネス力（品質、量・納期、コストなどの経営要素やその管理に関する知識、データを計画的に収集し解析できる能力、現象をモデル化し最適解を求める能力、情報システムおよびその設計生産に関する知識）、データサイエンス力（基本的な数学、統計学、機械学習、情報処理、最適化を理解し、使える力）、データエンジニアリング力（データサイエンスをシステムに実装、運用する力）を身につけ、それらを現実の問題に応用できるようになることを意味しています。
種々の科学、技術および情報を横断的に活用して社会のニーズを満たすものを創り上げる能力。
システム思考・目的思考の考え方で現実の組織・社会を観察・理解し、そこにどのようなニーズがあるかを発見できるようになること、他の技術者と協力してニーズに応える分析、モデリング、プロセス／アルゴリズム、システムを提案できるようになることを指します。
組織・社会が直面する現実の問題を解決できる能力や社会のニーズを満たすものを創り上げる技術を身につけるためのカリキュラム構成
組織・社会が直面する現実の問題を解決できる能力や社会のニーズを満たすものを創り上げる技術を身につけるために、ビジネス科目群、データサイエンス科目群、データエンジニアリング科目群の3つの専門科目群を設置し、幅広い科目群によってカリキュラムを構成しています。
ビジネス科目群
品質、量・納期、コストなどの経営管理の原則・手法に関する科目です。例えば、「品質管理」「生産管理」「マーケティング・リサーチ」「企業データ分析」、「サプライチェーンマネジメント」、「金融工学」などの科目があります。
データサイエンス科目群
データサイエンス技術を身に付けるために必要な数理に関する科目で、データ収集やモデリング、デー タ解析、最適解を求める能力等の育成を目指します。例えば、「確率論」、「統計学」、「機械学習」、「最適化手法」などの科目があります。
データエンジニアリング科目群
データサイエンスをシステムに実装するための道具である情報技術とその応用に関する科目で、プログラミング、システム設計、情報資源管理、ネットワーク技術などに関する知識の習得を目指します。例えば、「情報処理」、「データベース工学」、「ソフトウェア工学」などの科目があります。情報処理の活用に関する演習科目も多数設置しています。
徹底したPBLで目指す、アクティブラーニング型人材育成
データサイエンティストに求められるスキル獲得を目指し、数学、プログラミングを共通のベーススキルとして徹底的に習得するだけでなく、ビジネス・産業の知見や管理技術を幅広くに身に着けるために、在学中、継続的なPBL（Problem Based Learning; 問題解決型学習）を通してスキルを総合的に実践できる人材の育成を行います。
| 基礎学力の習得 | 継続的な実践的PBL（全員が2年次～4年次は必修） | ||||
|---|---|---|---|---|---|
| データサイエンス力 | データサイエンスを現実問題に適用する知恵の習得（統計学、機械学習、時系列解析、オペレーションズ・リサーチ） | ||||
| データエンジニアリング力 | プログラミング技術（Python、R、SQL)の習得（情報処理、プログラミング言語及演習、データ解析、データ構造とアルゴリズム、データベース工学、シミュレーション） | ||||
| ビジネス力 | 企業や組織の問題解決に関する知識を習得（品質管理、企業データ分析、マーケティング・リサーチ、生産管理、サプライチェーン・マネジメント、金融工学） | ||||
| 1年次／前期 | 1年次／後期 | 2年次 | 3年次 | 4年次 | |
| 数学の基礎（線形代数、微分積分） 確率論、統計学＊、プログラミング（Python） データサイエンス基礎演習（PBL）＊ ＊科目は1年次後期より |
データ解析（R） オペレーションズ・リサーチ、情報数学 テクニカル・プレゼンテーションおよびデータサイエンス実験A（PBL） |
機械学習、深層学習、数理統計学、金融工学、マーケティング・リサーチ サプライチェーン・マネジメント、感性工学、最適化 データサイエンス実験 Bおよびデータサイエンス演習(PBL) |
卒業研究 | ||
プログラム言語及演習
本学科では、データサイエンスで必須のRとPythonという二つのプログラム言語と、データベースを扱うためのSQLについて徹底的に学びます。プログラム言語及演習第一では、そのうちPython言語について学び、今後のデータサイエンス科目への基盤知識として修得します。
データ解析
確率・統計はデータサイエンスにとって必要不可欠な必須の知識です。本学科では、複数の科目で確率・統計の理論と応用を深く修得できるようなカリキュラムが用意されています。データ解析第2では、種々のモデル分析のためのデータ分析技術を学びます。特にR言語を使ったコンピュータ演習を通じた実践的な技術を習得します。
データサイエンス実験
本学科では、PBL（Problem Based Learning）を4年間を通じて継続して配置しています。この中でデータサイエンス実験では、あらかじめ与えられたデータをどのように分析するかだけではなく、どのような現場でいかにしてデータを収集するかということについて、実験を通じて学びます。現実の様々な状況を想定し、データ収集とその分析を一貫して行います。
深層工学
本科目では、最先端のデータサイエンス技術として注目されている深層学習（ディープラーニング）に ついて学びます。深層学習では、従来の判別問題だけではなく、画像や文章の解析などで大変高い成果を挙げています。本科目では深層学習の基礎理論から様々な応用モデルについて、数式モデルによる理論とコンピュータ演習による実践の両面から修得します。
講義や研究を通して資格取得をサポート
データサイエンス業務と関係の深い様々な資格については、カリキュラムの多くの科目と深く関係しており、講義や研究を通して様々な場で資格取得をバックアップし、毎年多くの合格者を輩出しています。
■資格・検定（一例）
技術士（経営工学）、アクチュアリー（保険数理士）、情報処理技術者、品質管理検定、統計検定、ディープラーニング検定 他
