大学における数理・データサイエンス・AI教育支援プラットフォーム


V−V 私立理系データサイエンス・AI応用領域



1.慶應義塾大学

(1)理工学部数理科学科(矢上キャンパス)

豊富なデータサイエンス関連授業科目(データサイエンス特別講義、データ解析同演習など)

・ 慶應義塾大学理工学部数理科学科統計関連研究室のリンク

http://www.stat.math.keio.ac.jp/


(2)学生が主体となりDS全学教育普及(半学半教)

・ データフェスタ

http://www.stat.math.keio.ac.jp/datafest/

・ 夏合宿(3泊4日)課題をグループで解き発表

http://www.stat.math.keio.ac.jp/

・ Boston-Keio Workshop

http://www.stat.math.keio.ac.jp/

・ AI・高度プログラミングコンソーシアム

https://www.research.keio.ac.jp/external/org/karc/centers/center-76.html


2.武蔵野大学

(1)工学部数理工学科

【科目名】「金融工学」

(講義、選択、4年生対象、2単位)

【学修目標】

・ 金融機関で利用されている金融データ端末を利用し,実践的なデータ処理・分析手法を教育している。

【講義概要(シラバスより)

・ ファイナンス理論の入門的内容について,その数理的な内容を中心に概説する。とくに,コーポレートファイナンスの入門的事項,投資理論のうち現代ポートフォリオ理論とデリバティブ価格評価モデルについて基礎的な事項を扱う。さらに,金融データ分析の実習を行う。

【シラバスへのアクセス方法】

・ 武蔵野大学「シラバス検索 」のページへアクセスする。

https://muscat.musashino-u.ac.jp/portal/

・ 上記ページのシラバス検索条件で、「講義名」の入力欄に「金融工学」を入力し、「シラバスを検索する」ボタンを押す。

・ 講義一覧ページに講義へのリンクが表示されるので、「金融工学」のリンクを押すとシラバスページに移動します。


(2)武蔵野大学工学部数理工学科のコンテストを活用した事例

【科目名】「プロジェクト1,2」

(週1回の開催、2・3年生対象、年間4単位)

【学修目標】

・ グループワークで問題を設定し、その問題を解決する過程で、課  題発見力、創造的思考力を養う。

・ 育成するスキル・力

※ 課題の設定およびその実施の過程において主体性・実行力を養う。

※ 課題実行の役割分担調整、進行状況の把握など他者との調整におけるストレスをコントロールする能力を育む。

※ 数理的手法により自身で発見した問題を解決できる能力を獲得する。

※ 他者と有意義な議論を適切に行い、目的実現のための方向性を示すことができる能力を獲得する。

・ 目標を達成するための特別な教育方法(ICTの活用を含む)は、1学期は基本的な知識とツールについての学修を行い、2学期からグループで実際に課題を設定して、その解決のための作業を開始する。データサイエンスグループでは、データサイエンス系の外部コンテストへの挑戦を行う。

【講義概要(シラバスとアンケートより】

・ 学生の自主的な取り組みによって企画し、実行する体験型の授業である。社会的意義のある様々なテーマを考え、学生がチームを組んでテーマの解決を目指すようにする。数理的なセンスが磨けるもの、統計処理を用いて大規模なデータの本質を見抜けることができるもの、あるいは数学の教師になるための素養を磨くことができるもの、プログラミングを活かしたIoT機器の活用など、多種多様なテーマ設定が可能である。

・ 2019年度は、データサイエンス・IoT・教育の3つのグループに分かれて、教員2人が各グループを担当する。1学期は、主に各グループの分野に関する基本的な知識と必須となるツールについての学修を行い、2学期から、学修した知識の応用として各グループで実際に課題を設定して、その解決のための作業を開始する。データサイエンスグループでは、知識学修としてデータサイエンスの基礎的事項とR言語の基礎を学び、2学期からは、学んだ事項を活用してデータサイエンス系の外部コンテストへの挑戦を行う。コンテストとしては、「総務省主催統計データ分析コンペティション」と「慶応大学主催データビジネス創造コンテスト」の二つから各チームが選択する。中間報告会を幾度も開催し互いに議論し合うことで、スキルアップや知識・意識の向上を図る。

【シラバスへのアクセス方法】

・ 武蔵野大学「シラバス検索 」のページへアクセスする。

https://muscat.musashino-u.ac.jp/portal/slbssrch.do?clearAccessData=t

・ 上記ページのシラバス検索条件で、「講義名」の欄に「プロジェクト」を入力し、「カリキュラム」の入力欄で「16 数理工学科」を選択し、「シラバスを検索する」ボタンを押す。

・ 講義一覧ページに講義へのリンクが表示されるので、「プロジェクト1」または「プロジェクト2」のリンクを押すとそれぞれのシラバスページに移動します。


3.京都産業大学

・ AIやビッグデータを問題解決に役立てるデータサイエンティストの養成

中島 伸介 氏(京都産業大学情報理工学部教授)

(私情協機関誌 大学教育と情報 2018年度 No.2掲載)

http://www.juce.jp/LINK/journal/1901/pdf/02_06.pdf


4.立命館大学

・ 立命館大学情報理工学部におけるデータサイエンスに関わる教育

山下 洋一 氏(立命館大学情報理工学部長)

(私情協機関誌 大学教育と情報 2018年度 No.2掲載)

http://www.juce.jp/LINK/journal/1901/pdf/02_08.pdf


5.近畿大学

・ 近畿大学におけるデータサイエンス教育の事例紹介

M砂 幸裕 氏(近畿大学理工学部情報学科講師)

(私情協機関誌 大学教育と情報 2018年度 No.2掲載)

http://www.juce.jp/LINK/journal/1901/pdf/02_07.pdf


6.上智大学

・ 上智大学が考える、未来を生きる学生のためのデータサイエンス

小松 太郎 氏(上智大学総合人間科学部教授、グローバル教育センター長)

(私情協機関誌 大学教育と情報 2018年度 No.1掲載)

http://www.juce.jp/LINK/journal/1804/pdf/02_05.pdf


7.中央大学

(1)【科目名】「都市環境 統計・確率」

【科目の位置づけ】

・ 基本的な統計リテラシー(読み書き能力)と統計的推論力を身につけるとともに、統計的思考による課題解決能力を体得することを目標とする。

【シラバスへの記述】

・ 統計学は、データに基づいて客観的に判断し科学的に問題を解決するための学問であり、データサイエンス時代の現代において日々の生活から産業や科学の諸分野においてなくてはならない必須のスキルである。本科目では、基本的な統計リテラシー(読み書き能力)と統計的推論力を身につけるとともに、統計的思考による課題解決能力を体得することを目標とする。

【教育方法】

・ 毎週クリッカーやワークシートを用いた演習を行う。

・ 毎回、事前にmanabaを確認し、教科書の指定された部分を読んでから講義に臨むこと。

・ 授業とは別に学内コンペを主催しました。また、大学院生や学部生と、企業との共同研究もしています。外部コンペにも毎年出ています。


(2)【科目名】「応用統計学1」(数学科3年生対象、2単位)

【教育方法】

・ 多変量解析の理論や考え方を座学(スライドや自作ウェブアプリ)で学ぶとともに、Rでの分析方法についても学ぶ。そして、持参したノートPCを用いて実際に分析を行う。

・ 期末課題として、各自が自由に集めたデータから、授業で学んだ多変量解析手法を用いて分析した結果をプレゼンする。


(3)【科目名】「統計数学4」(数学科3年生対象、3単位)

【教育方法】

・ 重回帰モデル、ロジスティック回帰モデル、分散分析をはじめとした線形モデルについての理論(ほぼすべて証明付き)を詳細に学ぶとともに、演習形式で証明の補間や、手計算での数値計算を通して実際にどのような計算がなされているかを確認する。

・ ソフトウェアを使った分析は学生にはさせていませんが、教卓で分析を行なったり、そのためのプログラムをLMSで配布したりしています。