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。
神戸大学では、データサイエンスの基礎を身につけることができる数理・データサイエンス標準カリキュラムコースを開設しています。2018年度以降の入学生で対象学部に所属している学生は、数理科目・統計科目・情報科目・データサイエンス科目のそれぞれで所定の単位数以上を修得し、かつ全体で14単位以上を修得することで、数理・データサイエンス標準カリキュラムコース修了認定証が授与されます。これらの科目は主に1～2年次生の科目からなっています。
「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。
| 科目名 | 履修時期 | 単位数 | 内容 |
|---|---|---|---|
| 「志」講義 | 第1Q | 1 | 社会や研究の第一線で活躍をされている方々によるオムニバス形式の講義 |
| データサイエンス基礎 | 第1Q･第3Q | 1 | 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が大きく変化している。この講義では、これらの技術の背景にある数理・データサイエンス・AIの概念や手法、活用事例を紹介し、またデータを扱う上での基礎、データに関する留意点・情報セキュリティを学ぶ。 |
| データサイエンス入門A | 第2Q | 1 | データとは何か、データを活用するとはどういうことなのかなど、データサイエンスの入門を学ぶ |
| データサイエンス入門B | 第3Q | 1 | |
| データサイエンス基礎演習A | 第3Q | 1 | 各自のPCを用いて、Excelの使い方に習熟するとともに、データ分析の基礎を講義・演習を通して学ぶ |
| データサイエンス基礎演習B | 第4Q | 1 | 各自のPCを用いて、Pythonの使い方を習得するとともに、データ分析の基礎を講義・演習を通して学ぶ |
| データサイエンス概論A | 第4Q | 1 | データサイエンスを実践する際に必要となる様々な技術の概要および理論の基礎を学ぶ |
| データサイエンス概論B | 第1Q | 1 | |
| データサイエンスPBL演習A | 第3Q | 1 | PBL形式のグループワークを通して R や Python を用いたデータ分析の一連の流れを実践的に学ぶ |
| データサイエンスPBL演習B | 第4Q | 1 | |
| オープンイノベーションワークショップ（理学） | 3,4年前期 | 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 |
| オープンイノベーションワークショップ（工学） | 3,4年後期 | 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 |
| データサイエンス・AI演習A | 集中講義 | 1 | データサイエンス・AIの理論について学ぶことに加え、社会科学分野を対象にデータサイエンス・AIの手法を用いた事例を概観し、データサイエンスの有効性を学ぶ。また、社会科学分野の課題を対象としたデータ解析の演習では、統計解析ソフトRを用いたデータ解析手法の修得を目標とする。 |
| データサイエンス・AI演習B | 集中講義 | 1 | データサイエンス・AIの理論について学ぶことに加え、社会科学分野を対象にデータサイエンス・AIの手法を用いた事例を概観し、データサイエンス・AIの有効性を学ぶ。演習では、上記分野の課題で取り扱われる定性的データを対象として、データの加工・解析・解釈のプロセスを体験することにより、Pythonを用いたデータ解析手法の修得を目標とする。 |
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、facebookや数理・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 | 履修時期 | 単位数 | 内容 |
|---|---|---|---|
| データサイエンス特論1 | 特別講義 | 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 | 1 | ||
| 実践データ科学演習A | 集中講義 | 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 | 1 | ||
| データサイエンスコンテスト型PBL実習 | 集中講義 | 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 |
| オープンイノベーションワークショップ（理学） | 集中講義 | 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 |
| オープンイノベーションワークショップ（工学） | 集中講義 | 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 |
| 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） | 修士のみ | 文部科学省の未来価値創造人材育成プログラム「超スマート社会の実現に向けたデータサイエンティスト育成事業」（代表機関：大阪大学）の取り組みとして実施され、即戦力となるデータサイエンティストを養成することを目指しています。 |
