データサイエンス研究科
search

専攻の特色~カリキュラム(博士前期課程)

3つの力でデータサイエンス力を鍛える

データサイエンス分野に特化した大学院として、2020 年4月にデータサイエンス研究科データサイエンス専攻を開設しました。本専攻は博士前期課程と博士後期課程で構成され、データ駆動型社会における社会課題解決を推進できる高度なデータサイエンティスト人材育成のための教育課程を用意しています。本専攻の大きな特徴は、従来のデータ解析における“現場の知識の重要性に対する認識不足”を解消し、前期課程のうちからPBLを中心とした「実践的データサイエンス演習」を通して、データサイエンス力を育むことです。データアナリティクス力、データエンジニアリング力、社会展開力の涵養を中心とした研究を展開する予定です。※PBL…Project-Based Learning

PBLを通して学び、理論だけではなく社会展開力が身に付く

■専門領域ごとにおける手厚い指導体制
専門的なデータサイエンス力を養うため、理学や情報学、保健学、教育学、農学などといった専門領域ごとに配置されている専任教員のもと手厚い指導を受けられる体制を整えています。また、データサイエンスの研究に求められるアナリティクス力、エンジニアリング力、社会展開力は有機的に絡み合っており、個別的な専門領域に閉じることなく真のデータサイエンス力を身につけることができます。

■全員参加型の実践的演習
基礎理論を学びながら、実践的データサイエンス演習を中心に据えた学びを行います。学生が反省的思考や観察により現場の問題を認知したうえで明確にし、仮説を立て、研究計画を立案、仮説の妥当性の検証やそれに基づく推理を行います。社会実装などにより理論の有用性を検証する、という一連のプロセスを通してデータサイエンス力を身に付けることができます。

■ユニークな独自カリキュラム
カリキュラムは、データアナリティクス力、データエンジニアリング力、社会展開力、の3つの力の涵養をバランス良く配置しています。特に課題解決型学修に根ざした、「実践的データサイエンス演習」の設置が大きな特徴となっています。
 

カリキュラム構成と修了要件

DS専攻 博士前期課程カリキュラム

  • 必修科目
  • 選択科目 ※()内は単位数
M1前期 M1後期 M2前期 M2後期

DS研究指導 I〜Ⅳ(計8/1年・2年)・修士論文(0)

PDS I(2)

PDS II(2)

PDS III(2)

 

統計学特論(2)

機械学習特論(2)

   

デザイン思考特論(1)

データマンジング特論(2)

   

応用倫理学(1)

     
〈統計科学中心型〉

多変量統計解析特論(2)

最適化の基礎と応用特論(2)

時系列データ解析特論(2)

都市環境データ解析特論(2)

   

実験計画と因果推論特論(2)

標本調査特論(2)

他専攻・他研究科科目(2)

 
〈計算機科学中心型〉

クラウドコンピューティング特論(2)

計算機統計学特論(2)

ビッグデータ処理基盤特論(2)

非構造化データ特論(2)

   

プログラミング特論(2)

実験とシミュレーション特論(2)

データ可視化特論(2)

   
 

自然言語処理特論(2)

   

データアナリティクス特別講義・データエンジニアリング特別講義・データサインス展開特別講義(集中講義等)(2)

修了要件:30 単位
特別研究・特別演習:14単位 PDS(必修)6単位、ゼミ/修士論文(必修)8単位
共通科目:16単位 講義/演習(必修)8単位、講義/演習(選択) 8単位以上
  • 学部4年生対象の早期履修科目は、特論科目を5科目10単位とする
  • DS学部以外の学部からの早期履修も受け入れる

科目一例

実践的データサイエンス演習

現実社会においてデータサイエンスの力によって解決すべき課題を、それに直面している実務者との連携により実装する一連のプロセスを学ぶ。

統計学特論

一般化線形モデルを基軸に据え、 様々な統計モデルが一般化線形モデルとして統一的に議論できることを理解するための統計的推測法を学ぶ。

機械学習特論

機械学習における理論的背景をもとに、プログラムを組んで実際の問題へ活用する方法まで、最新の成果を踏まえて学ぶ。

データマンジング特論

あるフォーマットデータから、他のフォーマットに変換することを指すデータマンジングを効率的かつ確実に行うための手法を学ぶ。

ビッグデータ処理基盤特論

ビッグデータに適した処理基盤の実例とそれらを支える技術要素について、近年注目されている事例を踏まえながら学ぶ。

デザイン思考特論

デザイン思考について知識修得を目的として、参加型デザインの方法論を講義し、デザインワークショップの運営と参加の手法を体験を通じて学ぶ。

進路を想定した履修モデル

データサイエンティストの進路は極めて多様です。いくつかの進路例をあげ、考えられる履修科目をリストします。参考にしてください。

取得学位

修士(データサイエンス) Master of Data Science 

文理融合型の大学院データサイエンス専攻

今日のデータサイエンスを取り巻く環境においては、すでに文系・理系という区分を設けることが意味をなさなくなっています。そのような状況の中で、文理を融合した、高度なデータサイエンス力を獲得することで、データサイエンスの新たな分野を切り拓き、新たな価値を創出する研究者を育成します。そして、この高度なデータサイエンス力に基づき、国際社会や地域社会に貢献し、より良い社会の実現に向け努力できる力を養います。

前期課程から後期課程へ、充実した専門教育

データサイエンス専攻では、博士前期課程と博士後期課程を設置しています。博士前期課程ではバランスの取れた座学の講義と、実践的データサイエンス演習を通じて、即戦力となる独り立ちレベルのデータサイエンティストを輩出します。
さらに、博士後期課程では、より専門分野に特化した高度な研究活動を通じて、独創性・国際性・実践性を備えた棟梁レベルのデータサイエンティストを養成します。