2年次生対象に開講される選択必修科目。Ⅰ～Ⅲいずれかの単位修得が必須となっている。
演習（15回）を通して、リテラシーレベルの教育を補完的・発展的に学び、データから意味を抽出し、現場にフィードバックする能力、AIを活用し課題解決につなげる基礎能力を修得し、教育における数理・データサイエンス・AIを応用するための大局的な視点を獲得することを目標とする。

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
○データ駆動型社会、Society5.0
○データサイエンス活用事例（仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替）

1-2 分析設計
○ データ分析の進め方、仮説検証サイクル

1-6 数学基礎
○順列、組合せ、集合、ベン図、条件付き確率
○代表値（平均値、中央値、最頻値）、分散、標準偏差
○相関係数、相関関係と因果関係
○ベクトルと行列
○ベクトルの演算、ベクトルの和とスカラー倍、内積
○行列の演算、行列の和とスカラー倍、行列の積
○多項式関数、指数関数、対数関数
○関数の傾きと微分の関係、積分と面積の関係
○１変数関数の微分法、積分法

1-7 アルゴリズム
○アルゴリズムの表現（フローチャート）
○並び替え（ソート）、探索（サーチ）

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
○ICT（情報通信技術）の進展、ビッグデータ
○ビッグデータの収集と蓄積、クラウドサービス
○ビッグデータ活用事例

2-2 データ表現
○コンピュータで扱うデータ （数値、文章、画像、音声、動画など）

2-7 プログラミング基礎
○文字型、整数型、浮動小数点型
○変数、代入、四則演算、論理演算
○関数、引数、戻り値

３．ＡＩ基礎

3-1 AIの歴史と応用分野
○AIの歴史、推論、探索、トイプロブレム、エキスパートシステム
○汎用AI/特化型AI（強いAI/弱いAI）

3-2 AIと社会
○AI倫理、AIの社会的受容性
○プライバシー保護、個人情報の取り扱い

3-3 機械学習の基礎と展望
○実世界で進む機械学習の応用と発展（需要予測、異常検知、商品推薦など）
○機械学習、教師あり学習、教師なし学習、強化学習

3-4 深層学習の基礎と展望
○実世界で進む深層学習の応用と革新（画像認識、自然言語処理、音声生成など）
○ニューラルネットワークの原理

3-5 生成AIの基礎と展望
○実世界で進む生成AIの応用と革新（対話，コンテンツ生成，翻訳・要約・執筆支援，コーディング支援など）
○基盤モデル，大規模言語モデル，拡散モデル
○生成AIの留意事項（ハルシネーションによる誤情報の生成，偽情報や有害コンテンツの生成・氾濫など

3-10 AIの構築・運用
○AIの学習と推論，評価，再学習