MENU

数理・データサイエンス

数理・データサイエンス教育

今日の社会はあらゆる分野において,情報通信技術や計測技術の発展により,多種多様な大量のデータで溢れています。そして,「21世紀の石油」とも称されるそれらのデータから価値ある情報を抽出し課題解決や意思決定に活かす一連のプロセスは,一般に「データサイエンス」と呼ばれ,近年その重要性が広く認識されるようになりました。
基盤教育センターの数理・データサイエンス教育では,全ての学生が文理の枠組みにとらわれることなく,数理・データサイエンスを日常生活や仕事場で使いこなすことができる基礎的素養を身に付けることを目標としています。また,基盤教育科目として3科目の数理・データサイエンス科目が開講されており,2021年度に,これらの科目によって構成される「文理融合型数理・データサイエンス教育プログラム(基礎コース)」がスタートしました。

 

本学の広報誌UUnowの第54号の特集記事にてデータサイエンス教育関連の取り組みをご紹介して頂きました。

詳しくはこちらより御覧ください。

数理・データサイエンス科目

基盤教育科目として「データサイエンス入門」「データサイエンス基礎」「実践データサイエンス」の3科目が開講されています。

データサイエンス入門(Introduction to Data Science)

データサイエンス基礎(Basic Course of Data Science )

  • 授業の概要
    本授業では,データサイエンスの基礎となる『数理的思考に基づくデータ分析手法(Excel)』と『プログラミング(Python)の基礎』を講義と実習を併用した形式で学習します。また,数学に苦手意識のある人やプログラミングが未経験の人でも理解できるように,基礎的内容を重点的に解説します。
  • 到達目標
    データの取得から分析までの一連の流れを経験することにより,データサイエンスの基礎的技術を習得する事を目標とします。また,データサイエンスを通して,『データという事実から法則や関係性を見出し,それらを検証する』という「サイエンス」の基本的考え方を理解することも目標とします。
  • 主な授業内容
    相関分析,回帰分析,データベース処理,時系列データ,確率論の基礎,クラスタリング,最適化問題,数理モデル,Pythonの基本など
  • シラバス

実践データサイエンス(Practical Course of Data Science )

  • 授業の概要
    本授業では,あらゆる専攻の学生に関係したトピックを題材に,データの分析はもちろん,身の回りの家電やスマートホンなどで活用されているAI・機械学習と称される技術の概要を説明しながら一部体験して頂いたり,日々の学業・仕事などで直面する煩雑な繰り返し作業やデータ収集の自動化,実験・フィールドワークの計画(意思決定)など,発展的な内容についてもご説明します。
  • 到達目標
    データサイエンスに不可欠な基礎的概念の獲得と,データを取得・解析して対象の理解を深めたり,課題解決・意思決定に役立てるといった実践的内容の概要の理解を目標とします。
  • 主な授業内容
    Google ColaboratoryとPythonの基礎,相関・回帰分析,最適化問題の基礎,確率と疑似乱数,実験計画法,ウェブスクレイピングなど
  • シラバス

副専攻プログラム「DS×経営」

上記3科目は,宇都宮大学における副専攻プログラム 「DS×経営」の対象科目としても指定されています。

副専攻プログラム「DS×経営」についてのリンクはこちら

文理融合型数理・データサイエンス教育プログラム(基礎コース)

本プログラムの目標

本プログラムでは,Society 5.0が実現された未来社会において,文理の枠組みにとらわれることなく各自の専門性を実社会で活かし,地域創生に中心的に携わることのできる人材となるために,数理・データサイエンスの基礎的な素養を身に付けることを目標とします。

対象

全学部1-3年生(令和2年度以降入学の学部生)

修了要件

必修科目1科目(2単位)及び選択科目1科目(2単位)の合計2科目(4単位)を修得すること。

本プログラムの案内

プログラムの質保証・点検に関する事項

 本プログラムは毎年度「宇都宮大学基盤教育センター数理・データサイエンス・AI教育に関する点検・評価委員会」による自己点検・評価を実施し, プログラムの改善に努めています。

R3年度 文理融合型数理・データサイエンス教育プログラム(基礎コース)提供科目に係る自己点検・評価書