数理・データサイエンスセンターでは、数理・データサイエンス・AIに関する様々な授業、教育プログラムを用意しています。
以下の授業情報を参考にしながら、奮って受講してください。
| 科目名 | 開講時期 | 単位数 | 内容 |
|---|---|---|---|
| データサイエンス基礎学 | 第1Q 第2Q 第4Q |
1 | ＜数理・データサイエンス・AI教育プログラム（リテラシーレベル）必修科目＞ インターネット・情報技術の進展により、ビッグデータやAIの活用が可能になり社会に新しい価値が生まれ、日常にも大きな変化をもたらしています。この授業では、今後のデジタル社会において必要とされている数理・データサイエンス・AIの概念や手法を学び、それらを活用するための基礎を身につけます。 |
| データサイエンス概論A | 第3Q | 1 | ＜数理・データサイエンス・AI教育プログラム（応用基礎レベル）必修科目＞ データから価値を引き出すための必要となる、数理・データサイエンス・AIの基礎知識を学び、課題の発見と定式化からデータ収集、モデル化を経て得られた分析結果を活用するためのデータエンジニアリングの基礎力を養うことを目的とします。 |
| データサイエンス概論B | 第4Q | 1 | |
| データサイエンス基礎演習 | 第3Q 第4Q |
1 | ＜数理・データサイエンス・AI教育プログラム（応用基礎レベル）各学科により必修科目＞ データサイエンスの効果的な実践には、コンピュータ・ソフトウェアの活用が必須です。本授業では、データサイエンスのためのプログラミング言語として世界で広く普及しているPythonを採り上げ、演習を通してプログラミングの基礎、およびデータサイエンスの実践方法について学習します。 |
| データサイエンスPBL演習 | 第3Q 第4Q |
1 | ＜数理・データサイエンス・AI教育プログラム（応用基礎レベル）各学科により選択必修科目＞ PBL(Problem-based Learning)とは，複雑な課題や挑戦し甲斐のある問題に対して，生徒が少人数のグループを組み，自律的な問題解決・意志決定・情報探索などを通じて解決を目指す学習手法です。 本授業では，神戸大学生協様のご協力のもと，神戸大学生協食堂のリアルデータを活用し，データサイエンスの取り組みに基づいて，根拠に基づく知見の導出や食堂の経営施策の提案をグループで行います。 |
| 金融情報システムPBL（工学） | 2025年9月8日（月）2～5限 2025年9月9日（火）2～5限 （3,4年） |
1 | アルゴリズム・データ構造、サイバーセキュリティ、情報通信ネットワーク、 人工知能などの情報システム工学の基礎技術が、実際の金融ビジネスの中でどのように活用されており、 深い関係を持っているかをグループワークによるPBL(Project Based Learning) を通して学ぶ |
| オープンイノベーションワークショップ（理学） | 2026年2月16日（月）2～4限 2026年2月17日（火）2～4限 2026年2月18日（水）2～4限 |
1 | 経営者の視点やプロジェクトマネージャの視点での実践的なPBL(Project Based Learning) を通じて、ITや金融に対する多面的な視点、チームワーキング、ビジネスレベルのアウトプットについて学ぶ |
１年次では「データサイエンス基礎学」と「情報基礎」を履修し、神戸大学 数理・データサイエンス・AI教育プログラム（リテラシーレベル）［文部科学省認定 MDASH Literacy］の修了を目指して下さい。そして、数理・データサイエンス・AIの知識を深めるために「データサイエンス概論A・B」と各学部・学科で指定された科目を履修し、応用基礎レベルの修了を目指します。データサイエンティストを目指したい人は「神戸データサイエンス操練所」で、より高度なAI技術を学び、企業共同研究等で本物の課題解決にも取り組めます。
「社会科学系データサイエンス・AIカリキュラムコース」は、法学部・経済学部・経営学部の学生を対象にした、標準カリキュラムコースに続く、専門科目を中心にした基礎・応用レベルの数理・データサイエンス・AIのカリキュラムコースです。コースで提供される科目は、社会科学系のデータサイエンス専門科目とデータサイエンス・AI科目です。
神戸データサイエンス操練所は、「尖ったデータサイエンティスト」を育成するために組織された研究チームです。データサイエンスに関する基礎理論をしっかり学び、本物の社会課題に紐づいた本物のデータを使った真剣勝負で「本物の実力」を見つけることを目的としています。データサイエンス・人工知能（AI）に関して志を高くもつ人であれば、年齢や学問分野は不問です。数学に苦手意識がないことと、Pythonを使えることが必須ですが、今でなくても、近い将来、苦手意識を克服し、Pythonも使えるようになると決意する人も対象です。募集については、数理・データサイエンスセンターのニュース欄でお知らせいたします。
| 科目名 | 開講時期 | 単位数 | 内容 |
|---|---|---|---|
| データサイエンス特論1 | 2025年11月4日（火）3～5限 2025年11月5日（水）3～5限 2025年11月6日（木）3～4限 |
1 | データサイエンス特論1では、データサイエンスの基礎である人工知能・機械学習の技術的側面について学び、 データサイエンス特論2では、人工知能技術のユーザ側の企業と、技術提供企業（シーズ側企業）の事例報告を基に、データサイエンスの実質的応用について課題解決型ワークショップを行う |
| データサイエンス特論2 | 2025年11月17日（月）3～5限 2025年11月18日（火）3～5限 2025年11月19日（水）3～4限 |
1 | |
| 実践データ科学演習A | 2025年8月5日（火） （リアルタイムweb+オンデマンド） 2025年8月6日（水） （オンデマンド） 2025年8月8日（金） （オンデマンド） |
1 | 兵庫県や神戸市等の地方自治体から、実際の課題と関連する可能性のあるデータの提供を受け、データ解析・分析による課題の設定と解決を目指したグループワークによるＰＢＬ（Project Based Learning）を行う |
| 実践データ科学演習B | 2025年8月15日（金）2～4限 2025年8月18日（月）3～4限 2025年8月22日（金）2～4限 |
1 | |
| データサイエンスコンテスト型PBL実習 | 後期集中（日程未定） | 1 | データサイエンスコンテストを模したPBL(Project Based Learning) 実習を通して、Pythonを用いたデータの取り扱い方、分類問題・回帰問題に対する手法を実践的に学ぶ |
| 金融情報システムPBL（工学） | 2025年9月8日（月）2～5限 2025年9月9日（火）2～5限 （3,4年） |
1 | アルゴリズム・データ構造、サイバーセキュリティ、情報通信ネットワーク、 人工知能などの情報システム工学の基礎技術が、実際の金融ビジネスの中でどのように活用されており、 深い関係を持っているかをグループワークによるPBL(Project Based Learning) を通して学ぶ |
| オープンイノベーションワークショップ（理学） | 2026年2月16日（月）2～4限 2026年2月17日（火）2～4限 2026年2月18日（水）2～4限 |
1 | 経営者の視点やプロジェクトマネージャの視点での実践的なPBL(Project Based Learning) を通じて、ITや金融に対する多面的な視点、チームワーキング、ビジネスレベルのアウトプットについて学ぶ |
| プログラム名 | 対象 | 内容 |
|---|---|---|
| データ関連人材育成プログラム（DuEX） | 修士・博士 | データ関連人材育成関西地区コンソーシアム（代表機関：大阪大学）のもとで、データサイエンス等のスキルを習得させる研修プログラムの提供やキャリア開発支援を行います。高度データ関連人材を育成し、社会の多様な場での活躍を促進することを目的としています。 |
| 独り立ちデータサイエンティスト人材育成プログラム（DS4） ※SPRING（博士課程後期課程学生対象）に引継ぎました。 |
修士のみ | 本学の博士課程後期課程に在籍する様々な分野の博士学生を数理・データサイエンスの素養を持ち、グローバルに学際領域で活躍できる卓越博士人材に育成し、トランスファラブルな素養を身につけさせる教育・研究を通して、社会に求められる高度専門人材の育成を目指します. |
