プログラム概要
取組概要
体制・自己点検等の概要
本プログラムで身に付けることのできる能力
1年次の基礎情報教育を通して，データサイエンスの役割を理解する。さらに，データサイエンス・AI技術を支える数学の基礎，コンピュータ科学の基本、特にデータの取り扱い、プログラミング、アルゴリズムを理解する。
さらに，2年次の実践教育では，1年次での基礎情報教育の学習内容をさらに発展させ，統計パッケージや分析基盤を利用したデータの前処理や可視化といったデータサイエンス体験，簡単なAIモデル開発体験等の実践的・応用的な学修体験を通して，学校教育で活かせるデータサイエンスの実践的能力を身につける。
修了要件
「基礎情報教育（２単位）」の単位修得と、「実践情報教育Ⅰ～Ⅲ（各２単位）」のいずれかの単位修得を合わせた計４単位の修得。
授業科目
| 基礎情報教育 | 鳴門教育大学に入学した全学生が、教員となるために必要な情報リテラシーやデータ科学の基礎を学習するために、1年次生対象に開講される必修科目。 座学（15回）で学んだことを、実習（15回）を通して理解を深める。 |
|---|---|
| 実践情報教育Ⅰ～Ⅲ | 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。 |
プログラムを構成する授業に含まれる内容・概要
数理・データサイエンス教育強化拠点コンソーシアムの数理・データサイエンス・AIモデルカリキュラム（応用基礎レベル）との対応は次の通りです。
モデルカリキュラムの対応
| 授業に含まれている内容・要素 | 授業内容 |
|---|---|
| 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 |
認定の有効期限
- 令和１２年３月３１日
申請資料
教育プログラムの点検・評価等
お問い合わせ
学生支援部教務課教務係
電話：088-687-6692
E-Mail：daigakuin@naruto-u.ac.jp
E-Mail：daigakuin@naruto-u.ac.jp