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)

概要:
数理・データサイエンス・AIに関する知識及び技術について、体系的に学ぶことにより、基礎的な能力の向上を図る機会を提供するプログラムです。
身に付けることのできる能力:
数理・データサイエンス・AIを適切に理解し、それを活用する基礎的な能力を身に付けることができます。
対象:
学部生(2022年度以降入学生)
履修方法:
このプログラムを履修するための特別な手続きは必要ありません。通常どおりの受講登録を行ってください。
修了要件:
工芸科学基礎1単位に加え、所属課程で開講されるデータリテラシー科目を2単位以上修得すること。
授業科目(モデルカリキュラムとの対応)
授業科目の内容は、シラバスを参照してください。
モデルカリキュラム 対応する授業科目
1.社会におけるデータ・AI利活用
1-1. 社会で起きている変化 全学共通:工芸科学基礎(1年次、1単位、選択必修)
1-2. 社会で活用されているデータ
1-3. データ・AIの活用領域
1-4. データ・AI利活用のための技術
1-5. データ・AI利活用の現場
1-6. データ・AI利活用の最新動向
2.データリテラシー
2-1. データを読む 各課程の専門基礎科目、課程専門科目
応用生物学課程:生物統計学(1年次、2単位、選択必修)
応用化学課程:情報データリテラシー演習(1年次、2単位、必修)
電子システム工学課程:情報・データリテラシー(1年次、2単位、必修)、AI・データサイエンス基礎(3年次、2単位、選択必修)
情報工学課程:情報・データリテラシー概論(1年次、2単位、必修)、AI・データサイエンス基礎(3年次、2単位、選択)、AI・データサイエンス応用(3年次、2単位、選択)
機械工学課程:エンジニアのためのリテラシー(1年次、2単位、必修)、データサイエンス(3年次、1単位、必修)
デザイン・建築学課程:情報リテラシー概論(1年次、2単位、選択必修)
2-2. データを説明する
2-3. データを扱う
3.データ・AI利活用における留意事項
3-1. データ・AIを扱う上での留意事項 工芸科学基礎(全学共通)
3-2. データを守る上での留意事項
4. オプション
4-1. 統計および数理基礎 基礎解析I、線形代数学I、統計数理
実施体制
委員会等 役割
総合教育センター長 プログラムの運営責任者
総合教育センター運営委員会
数理・データサイエンス・AI教育プログラムWG
プログラムの検討、改善
総合教育センター教育評価・FD室 プログラムの自己点検・評価