YCU 横浜市立大学

教育・カリキュラム

教育・カリキュラム

データサイエンス学部では、統計学・アルゴリズム(※1)の基礎をベースとし、各自の興味に応じ、経済・経営学、理学、医療統計学等、将来データサイエンティストとして活躍するために必要な各専門領域の基本的な知識を修得します。3年生から始まる「専門領域演習」を通じた現場重視のPBLにより、コミュニケーション能力、実践力を習得し、課題発見力・課題解決力を獲得できるカリキュラム構造となっています。 データサイエンスに必要なのは、膨大なデータの中に埋もれた新しい価値を見つけ出し、世の中を変えることが出来る能力。そこに求められるのは、文系・理系の枠組みを超えた、知力と分析力、発想力です。

※1・・・コンピュータで計算を行うときの効率的な「計算方法」のこと。
 
DS・・・データサイエンスの略称 

主な科目

全学開放科目

学部に関わらずすべての在学生が履修可能な科目です。

例:経済学入門Ⅰ・Ⅱ、経営学入門Ⅰ・Ⅱ、簿記入門Ⅰ・Ⅱ、ミクロ経済学Ⅰ・Ⅱ、マクロ経済学Ⅰ・Ⅱ、金融論Ⅰ・Ⅱ、力と運動、電気と磁気、生体分子と細胞など
 

PBL演習(Project-Based Learning、課題解決型学習)

企業や医療機関との連携を通じたPBLにより、実務を体験し、データが発生する「現場」の知識を学びながら、同時にデータ分析を通じたコミュニケーション力や課題発見・解決力を培う演習です。 

専門科目

データサイエンスの基礎を学び、現場対応力を身につける科目です。

例:情報理論、計算機概論、アルゴリズム論、組合わせ論、統計の数理、代数学、多変量データ解析、統計モデリング、応用統計学、プログラミング演習、データベース論、計算機数理、データマイニング、最適化理論など
 

世界で活躍できるデータサイエンス人材の育成

YCUでは、大学での知的活動を英語によって行えるレベルのコミュニケーション力を身につけることを目的としたPractical Englishを設けています。4つの基本的なスキル(読む・聞く・話す・書く)を使いながら、すべて英語で進められます。到達度を客観的な基準(TOEFL-ITP)ではかり、500点相当を到達水準として設定しています(※2)。

※2・・・データサイエンス学部は3年次の進級要件

履修モデル例

 興味のある分野に応じた履修が可能です。YCUの強みを生かした応用分野から5つの例を示します。

※PDFファイルの赤字は必修科目です。

データサイエンス学部School of Data Science