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号の特集記事でも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UUnowへのリンクより御覧ください。
R4年度より「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)」に認定されました
- 上記の教育プログラム「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）」は、令和4年8月2４日に文部科学省「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)」に認定を受けました(認定の有効期限：令和９年３月３１日)。
- 本学の認定制度への申請書はこちらからご確認いただけます。
- 以下、参考リンク: 文部科学省の認定制度、認定・選定結果
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）
- 授業の概要
本授業では，データサイエンスの基礎(データサイエンス・AIの概要や留意事項, 社会での利活用の例, 情報倫理, 初歩的なデータ解析・分析手法)に加え，情報リテラシーとして，Office系ソフトウェアとウェブブラウザ，電子メールの標準的な使い方とそれらの間の有機的連携方法，ハードウェアの基本的な使い方，総合メディア基盤センターPC・学内LAN環境の理解といった内容を，講義と実習を併用した形式で学習します。 - 到達目標
すべての学部の学生が，情報化社会で必要不可欠とされるデータリテラシー（データを処理し分析する基礎的な能力）と情報リテラシー（情報機器の操作法，情報および情報手段を自主的に選択し活用していくための基礎的な能力）を習得することを目標とします。 - 主な授業内容
学内PC・ネットワークの利用方法，電子メール，タイピング，ネット検索，学術論文・図書検索，情報モラル・倫理，Word，Excel，PowerPoint，情報セキュリティ，AIの基礎，データの収集と整理，度数分布，大きさと散布度の代表値，相関分析など - シラバス
データサイエンス入門【ｺﾐｭ】
データサイエンス入門【建築】
データサイエンス入門【社基】
データサイエンス入門【国際A】
データサイエンス入門【国際B】
データサイエンス入門【教育人文社会】
データサイエンス入門【教育自然】
データサイエンス入門【教育人間】
データサイエンス入門【教育芸術･生活･健康】
データサイエンス入門【工Ⅰ】
データサイエンス入門【工Ⅱ】
データサイエンス入門【工Ⅲ】
データサイエンス入門【工Ⅳ】
データサイエンス入門【資源】
データサイエンス入門【生命】
データサイエンス入門【農環】
データサイエンス入門【農経】
データサイエンス入門【森林】
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。
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。
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)
本プログラムは、令和4年度より文部科学省「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９年３月３１日)。
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。
- 必修科目：データサイエンス入門（2単位）
- 選択科目：データサイエンス基礎（2単位），実践データサイエンス（2単位）
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。