学部学科
共通教育センター
general education
共通教育センター
general education
数理・データサイエンス・AIは、現代の「読み・書き・そろばん」とも言われており、政府の「AI戦略2019」では、2025年度までにすべての大学・高専生がリテラシーレベルの知識と技術を身につけることを目標にしています。こうした背景を踏まえ、熊本保健科学大学では、2023年度より保健科学部全学科の学生を対象とした数理・データサイエンス・AI教育プログラムとして、「熊保大 保健医療データサイエンティスト育成プログラム」を実施しています。このプログラムを通して、データサイエンス・AIに関する基礎的な知識と技術を身につけるとともに、身につけた知識と技術をそれぞれの専門分野に応用し、各分野の課題解決に貢献できる人材の育成を目指します。
リテラシーレベルの授業科目では、数理・データサイエンス・AIについて基礎的な内容を学修します。 また、それらを適切に活用することでさまざまな課題探究や問題解決に繋がることを学びます。
・データサイエンス入門（1年次）
・統計学入門（1年次）
「データサイエンス入門」「統計学入門」の単位を修得すること。
リテラシーレベルの学修を通して、「へぇ～、こんな技術や方法があるんだ！ じゃあ、こういうときはどうするんだろう？ こういうことはできるのかな？」という疑問をたくさん見つけてください。「いろいろなことにチャレンジしてみたい」というチャレンジ精神あふれるみなさんをお待ちしています。
リテラシーレベルの内容を学修したうえで、統計学を含むデータサイエンスやAIに関し、リテラシーレベルよりも進んだ内容を学修します。また、学んだ知識と技術を活用した実践的なデータ解析を経験することを通して、専門分野における課題探究や問題解決に応用することができるようになることを目指します。
・データサイエンス入門（１年次）
・統計学入門（１年次）
・情報処理技術（２年次）
・スキルアップセミナー（２年次）
「データサイエンス入門」「統計学入門」「情報処理技術」「スキルアップセミナー」の単位を修得すること。
「データサイエンスをもっと深く学びたい」、「最近話題のAIについてもっと知りたい」などなど、リテラシーレベルの授業科目の内容に興味を惹かれたみなさんには応用基礎レベルをおすすめします。
プログラムを修了した学生には、修了証が発行されます。修了証の授与については改めてお知らせします。
熊保大 保健医療データサイエンティスト育成プログラム
１．データ駆動型社会において広い視野から適切に情報を理解し、収集・活用することができる。
２．データ駆動型社会におけるリスクを理解し、データの利活用に求められるモラルや倫理について理解する。
３．生涯にわたってコンピュータやデータサイエンス・AIを用いた課題探究や問題解決を志向することができる。
４．統計学の基礎を理解し、データの特徴や意味合い、起きている事象の背景を説明することができる。
リテラシーレベルの学修成果に加え、統計学的知見を含むデータサイエンスや AI に関する基礎知識を身につけ、それぞれの専門分野に活かせるよう、実データに基づく実践的な演習を通して、以下の修得を目指します。
１．問題設定、データ収集、データ分析、結果報告に至るデータサイエンスの技法を実践することができる。
２．AI の基礎を理解し、その構築と運用方法について説明することができる。
| レベル | 授業科目名 | 配当 | 単位数 | 修了要件 |
|---|---|---|---|---|
| リテラシーレベル | データサイエンス入門 | 1・前 | 2単位 | 左記の4単位を修得 |
| 統計学入門 | 1・後 | 2単位 | ||
| 応用基礎レベル | データサイエンス入門 | 1・前 | 2単位 | 左記の7単位を修得 |
| 統計学入門 | 1・後 | 2単位 | ||
| 情報処理技術 | 2・前 | 2単位 | ||
| スキルアップセミナー | 2・後 | 1単位 |
| 役 割 | 委員会等 |
|---|---|
| プログラムの運営責任者 | 学長 |
| プログラムの改善・進化 | 数理・データサイエンス・AI教育専門部会 |
| プログラムの自己点検・評価 | 数理・データサイエンス・AI教育専門部会 |
| 産業界等社会からの視点の提供 | 外部評価委員（医療従事者、卒業生） |
| 学修項目 | 対応する授業科目 |
|---|---|
| 数理・データサイエンス・AIが、現在進行中の社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついていることに関する内容 | データサイエンス入門 |
| 社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得ることに関する内容 | データサイエンス入門 |
| 様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出することに関する内容 | データサイエンス入門 |
| 活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、ＡＩ社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項を理解することに関する内容 | データサイエンス入門 |
| 実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの基本的な活用法に関する内容 | データサイエンス入門/統計学入門 |
| （選択項目） 統計及び数理基礎 | 統計学入門 |
| 学修項目 | 対応する授業科目 |
|---|---|
| データ表現とアルゴリズムデータサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎（統計数理、線形代数、微分積分）」に加え、ＡＩを実現するための手段として「アルゴリズム」、「データ表現」、「プログラミング基礎」の概念や知識の習得を目指す。 | データサイエンス入門/統計学入門/情報処理技術 |
| AI・データサイエンス基礎ＡＩの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にＡＩを活用する際の構築から運用までの一連の流れを知識として習得するＡＩ基礎的なものに加え、「データサイエンス基礎」、「機械学習の基礎と展望」、及び「深層学習の基礎と展望」から構成される。 | データサイエンス入門/情報処理技術/スキルアップセミナー |
| AI・データサイエンス実践「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。「データエンジニアリング基礎」「データ・ＡＩ活用 企画・実施・評価」 |
Ⅰ．データエンジニアリング基礎 情報処理技術 Ⅱ．データ・AI活用 企画・実施・評価 スキルアップセミナー |