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）

概要

本学では全学生のデータサイエンス素養を涵養する観点から、文部科学省が定める数理・データサイエンス・AI教育プログラム認定制度における学修項目を含む本学の科目を組み合わせて、令和６年度から実施している「数理・データサイエンス・AI教育プログラム」に加えて、令和７年度から「数理・データサイエンス・AI教育プログラム（応用基礎）」を実施している。これらのプログラムは明治薬科大学の全ての学科が対象であり、各プログラムを構成する全ての科目の履修をもって各プログラムの修了を認定する。

目的

ICTと生成AIを駆使したデータサイエンスに主眼を置き社会や先端研究での使われ方と使い方を学び、現在の科学技術及び今後の技術発展によって得られること、なし得ること、人がやるべきことを考え導く能力を涵養する。

ICTと生成AIの活用による研究や業務の効率化と高度化の方法を身につけ、より創造的、先進的な発想を実現化していく姿勢を学ぶ。
専門分野の先端研究におけるICT、生成AI、オープンデータの利用のしかた、されかたを学ぶ。
基礎理論をより深く理解する。

身に付けられる能力

本プログラムでは履修者が下記の能力を身に付けることを企図している。

生成AIを使った信頼性の高い情報収集
生成AIを使ったオフィス業務の高効率化
生成AIを使った研究サーベイ
データサイエンスの基礎的な概念の理解
実践的な統計解析・可視化スキル
PCを使った実践的データサイエンス
統計解析のための計算機プログラミング
バイオインフォマティクスの基礎と実践
ケモインフォマティクスの基礎と実践
生命科学研究でのオープンデータの利用
ICTによる創薬研究の基礎

構成

●科目

本プログラムを構成する科目は以下の通りである。

情報処理演習 (両学科１年次必修、１単位)
数学Ⅱ（両学科１年次必修、１単位）
基礎統計学（両学科１年次必修、1.5単位）
データサイエンス基礎（両学科２年次選択、1.5単位）

●モデルカリキュラムとの対応

文部科学省認定制度のモデルカリキュラム（令和６年改定版）における学修項目の番号とタイトル、それに対応する本学科目での学習内容を以下に示す。

１．データサイエンス基礎
・1-1. データ駆動型社会とデータサイエンス：情報処理演習、データサイエンス基礎
・1-2. 分析設計：情報処理演習、データサイエンス基礎
・1-3. データ観察：基礎統計学
・1-4. データ分析：データサイエンス基礎
・1-5. データ可視化：データサイエンス基礎
・1-6. 数学基礎：基礎統計学
・1-7. アルゴリズム：データサイエンス基礎

２．データエンジニアリング基礎
・2-1. ビッグデータとデータエンジニアリング：データサイエンス基礎
・2-2. データ表現：データサイエンス基礎
・2-3. データ収集：データサイエンス基礎
・2-4. データベース：なし
・2-5. データ加工：データサイエンス基礎
・2-6. ITセキュリティ：なし
・2-7. プログラミング基礎：データサイエンス基礎

３．AI基礎
・3-1. AIの歴史と応用分野：情報処理演習
・3-2. AIと社会：情報処理演習
・3-3. 機械学習の基礎と展望：データサイエンス基礎
・3-4. 深層学習の基礎と展望：情報処理演習
・3-5. 生成AIの基礎と展望：情報処理演習
・3-6. 認識：なし
・3-7. 予測・判断：なし
・3-8. 言語・知識：なし
・3-9. 身体・運動：なし
・3-10. AIの構築と運用：情報処理演習

授業の方法並びに実施体制

プログラムを構成する４科目は、それぞれの科目責任者によって内容を決定する。プログラムの実施に際して本学データサイエンスセンター内のデータサイエンス教育・研究委員会によって科目の内容と MDASH 認定との整合性を確認する。

修了要件

本プログラムの修了は、プログラムを構成する全ての科目の履修完了を条件とする。なお本プログラムを構成する各科目の学修項目は本学においてその科目の責任者が定めたものであり、その中には文部省のモデルカリキュラムに含まれる項目とそうでない項目がある。各科目の中のモデルカリキュラムに含まれる学修項目のみを理解、あるいは習得したとしても、必ずしもその科目の履修が完了できるわけではない。