藤女子大学では、学生が数理・データサイエンス・AIへの関心を高め、かつ、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育成するために必要な知識及び技術を体系的に修得できるように「数理・データサイエンス・AI教育プログラム」を設けています。

「データサイエンス基礎I」では基礎的な知識や技術を学ぶ体制を整えています。また、「データサイエンス基礎Ⅱ」では生成AIのアルゴリズムの技術的な理解を進めるために、Pythonのプログラミングを学びます。いずれも全学生が受講可能です。

リテラシーレベルに対応する科目

下記2科目の単位を修得することで、本プログラムの修了要件を満たします。

1. 「データサイエンス基礎Ⅰ」（1年次の前期）【AIやネットワークの基本】
2. 「データサイエンス基礎Ⅱ」（1年次の後期）【AIのアルゴリズムやPythonの基本的なプログラミング】

• データ表現（棒グラフ、折線グラフ、散布図、ヒートマップ、箱ひげ図）―「データサイエンス基礎Ⅱ」(3回、4回)
• データの比較（条件をそろえた比較、処理の前後での比較、A/B テスト）―「データサイエンス基礎Ⅱ」(3回、4回)
• データの図表表現（チャート化）―「データサイエンス基礎II」(3回、4回、11回、12回、13回、14回、 15回)
• 相手に的確かつ正確に情報を伝える技術や考え方（スライド作成、 プレゼンテーションなど）―「データサイエンス基礎I」(8回、9回、10回、11回、12回)「データサイエンス基礎Ⅱ」(3回、4回、11回、12回、13回、14回、15回)

「データサイエンス基礎Ⅱ」では、数理・データサイエンス・生成AI を日常の生活、仕事等の場で使いこなす技術の習得をするための学習をしています。「データサイエンス基礎Ⅰ」での基礎的な情報活用能力をもとに、より高度な情報活用能力を実践的に学習し、情報活用に必要な情報社会・情報科学に関する基礎知識を習得します。

データ分析のためにPython、データ整理のためにSQLによる処理に関する理解を深めます。データサイエンスに必要な技術の初歩を理解できるようにしています。Pythonのライブラリpandasによる前処理の実習も含まれています。

• データの種類（量的変数、質的変数）―「データサイエンス基礎Ⅱ」（3回、4回）
• データのばらつき（分散、標準偏差、偏差値)、外れ値　―「データサイエンス基礎Ⅱ」（3回、4回）
• 相関と因果（相関係数、擬似相関、交絡）―「データサイエンス基礎Ⅱ」（3回、4回）
• 観測データに含まれる誤差の扱い―「データサイエンス基礎Ⅱ」（3回、4回）
• 打ち切りや欠測脱落を含むデータ、層別の必要なデータ　―「データサイエンス基礎Ⅱ」（9回）
• 母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出）―「データサイエンス基礎Ⅱ」（3回、4回）
• クロス集計表、分割表、相関係数行列、散布図行列　―「データサイエンス基礎Ⅱ」（3回、4回）
  統計情報の正しい理解（誇張表現に惑わされない）―「データサイエンス基礎I」（1回）「データサイエンス基礎Ⅱ」（3回、4回）

1. データを要約し可視化する能力。
2. Python とそのライブラリpandas を用いての前処理。データのクレンジング。
3. ネットワーク社会でのデータの構造とその利用方法。スクレイピング、WebAPI 活用のデータ収集能力。
4. SQL の活用と他の言語を組み合わせた職場でのデータ管理及びアクセス環境の構築。
5. アルゴリズムをある程度は理解しつつ各社のAI を課題解決に向けて適切に活用する能力。