データサイエンス学科
専門科目（2025年4月実施予定）
データサイエンス学科では、興味深い専門領域の多彩な学びに触れることができます 。数ある専門科目の中から8科目をピックアップして紹介しましょう。
| 科目名 | その中身は... |
|---|---|
| 機械学習 | 機械学習とは与えられたデータを解析することによりデータの規則性を発見する手法であり、機械学習の基本的な考え方、手法を学びます。 |
| データマイニング | データマイニングとは機械学習、パターン認識の技術を用いて、多くのデータから知識を抽出する技術です。データマイニングの目的や意義と具体的な手法について学びます。 |
| 人工知能 | 人間が行っている知的活動を計算機上に実現しようとする人工知能の概要について学びます。 |
| システム工学 | 具体的な事例を多用しつつ、複雑なシステムを取り扱うためのシステムズアプローチ、システム計画、モデリング、最適化、高信頼化の技法等を学びます。 |
| ロジスティックス | 現代社会に不可欠なロジスティクスについて、基礎的な概念を紹介し、小売業、製造業、流通業といった業種別のロジスティクスの特徴を明らかにし、管理のための効果的な手法について学びます。 |
| マーケティング論 | 市場機会を発見する3C分析やSWOT分析、マーケティング・ミックス(4P)、ブランド戦略などを紹介し、売れる仕組みづくりについて理解することを目的とします。 |
| データサイエンス 実践演習I,II,III |
IoT、統計解析、データマイニング、機械学習などの知識や技術について、演習を通して確認するとともに、応用的な課題の解決から、より深い理解を得ます。 |
| 価値創造演習 | 複数の分野にまたがる知識を適用して、具体的な問題解決を図ることで価値創造のための実践力を高め、より深い理解を得ます。 |
カリキュラム（2025年4月実施予定）
| 専門科目 | 1年次 | 2年次 | 3年次 | 4年次 |
|---|---|---|---|---|
| 数理科学 | 線形数学Ⅰ 微積分学Ⅰ 微分方程式 |
情報数学 グラフ理論 確率・統計 |
線形数学Ⅱ 微積分学Ⅱ 数理計画法 |
|
| 専門基礎 | コンピュータ入門 プログラミング基礎 テクニカルライティング 情報処理基礎 コンピュータリテラシー データサイエンス入門 IoT概論 教育心理 |
情報通信ネットワーク データ構造とアルゴリズム 統計解析 |
実験計画法 多変量解析 |
|
| 基幹科目 | データベースシステム システム工学 経営システム論Ⅰ データマイニング テキストマイニング ビジュアルプログラミング論 ソフトウェア工学 パターン認識 機械学習 発想法と問題解決 |
オペレーションズ・リサーチ 情報技術者論 情報ゼミナール 情報セキュリティの基礎 人工知能 |
||
| 応用科目 | 情報科学実践演習(国際PBL) 教育技法 工業経営論 |
モデリングとシミュレーション 経営システム論Ⅱ マーケティング論 数理ファイナンス ロジスティックス 企業会計論 教育工学 情報科教育法 投資意思決定論 経営戦略論 |
||
| 演習科目 | C演習Ⅰ | C演習Ⅱ Java演習 データサイエンス実践演習Ⅰ |
データサイエンス実践演習Ⅱ データサイエンス実践演習Ⅲ 価値創造演習a 価値創造演習b |
|
| 卒業研究 | 卒業研究 |