データサイエンス教育研究センター
1. 澳门网上博彩_澳门现金网-在线官网データサイエンス教育研究センター（CDS3）が提供する「データサイエンス基礎力育成?認定プログラム」の「リテラシーレベル?ディプロマ」と「応用基礎ディプロマ」は、文部科学省の「数理?データサイエンス?AI教育プログラム（MDASH）」 の「リテラシーレベル」 と 「応用基礎レベル」 にそれぞれ認定されています。
認定日：2021（澳门网上博彩_澳门现金网-在线官网３）年８月４日 有効期限：2026（澳门网上博彩_澳门现金网-在线官网８）年３月31日
認定日：2023（澳门网上博彩_澳门现金网-在线官网５）年８月25日 有効期限：2028（澳门网上博彩_澳门现金网-在线官网10）年３月31日
2. 「数理?データサイエンス?AI教育プログラム認定制度」（以下「認定制度」という。）とは、デジタル時代の「読み?書き?そろばん」である数理?データサイエンス?AIに関する、大学（短期大学含む）?高等専門学校（以下、「大学等」という。）の正規の課程の教育プログラムのうち、一定の要件を満たした優れた教育プログラムを文部科学大臣が認定／選定することによって、大学等が数理?データサイエンス?AI教育に取組むことを後押しする制度です。（文部科学省ホームページより抜粋、詳しくはこちらをご覧ください。）
3. 数理?データサイエンス?AI教育強化拠点コンソーシアムのモデルカリキュラムについて
上記の２つのレベルで求められる教育内容は、数理?データサイエンス?AI教育の全国への普及?展開活動を行っている「数理?データサイエンス?AI教育強化拠点コンソーシアム」で取りまとめられた「モデルカリキュラム」によって示されています。澳门网上博彩_澳门现金网-在线官网のデータサイエンス科目群と、「数理?データサイエンス?AI教育強化拠点コンソーシアム」（関東ブロック）のモデルカリキュラムとの対応表は下の４?５をご覧ください。
※澳门网上博彩_澳门现金网-在线官网は、「数理?データサイエンス?AI教育強化拠点コンソーシアム（関東ブロック）」に、2021（澳门网上博彩_澳门现金网-在线官网３）年から加盟しています。
4. モデルカリキュラム（リテラシーレベル）と当センタープログラム「リテラシーレベル?ディプロマ」の対応表
※DS概論＝データサイエンス概論、DS基礎＝データサイエンス基礎
| モデルカリキュラム （2024年２月改訂版） |
学修内容 （2024年２月改訂版） |
実施科目 （当センター） |
|---|---|---|
| 1. 社会におけるデータ?AI利活用 | ||
| 1-1. 社会で起きている変化 | 社会で起きている変化を知り、数理?データサイエンス?AIを学ぶことの意義を理解する AIを活用した新しいビジネス/サービスを知る |
DS概論 DS基礎 |
| 1-2. 社会で活用されているデータ | どんなデータが集められ、どう活用されているかを知る | DS概論 DS基礎 |
| 1-3. データ?AIの活用領域 | さまざまな領域でデータ?AIが活用されていることを知る | DS概論 DS基礎 |
| 1-4. データ?AI利活用のための技術 | データ?AIを活用するために使われている技術の概要を知る | DS概論 DS基礎 |
| 1-5. データ?AI利活用の現場 | データ?AIを活用することによって、どのような価値が生まれているかを知る | DS概論 DS基礎 |
| 1-6. データ?AI利活用の最新動向 | データ?AI利活用における最新動向（ビジネスモデル、テクノロジー）を知る | DS概論 DS基礎 |
| 2. データリテラシー | ||
| 2-1. データを読む | データを適切に読み解く力を養う | DS概論 DS基礎 |
| 2-2. データを説明する | データを適切に説明する力を養う | DS概論 DS基礎 |
| 2-3. データを扱う | データを扱うための力を養う | DS概論 DS基礎 |
| 3. データ?AI利活用における留意事項 | ||
| 3-1. データ?AIを扱う上での留意事項 | データ?AIを利活用する上で知っておくべきこと | DS概論 DS基礎 |
| 3-2. データを守る上での留意事項 | データを守る上で知っておくべきこと | DS概論 |
| 4. オプション | ||
| 4-1. 統計および数理基礎 | 数学基礎および統計基礎を学ぶ | DS基礎 |
| 4-2. アルゴリズム基礎 | アルゴリズム基礎を学ぶ | DS概論 |
| 4-3. データ構造とプログラミング基礎 | データ構造とプログラミング基礎を学ぶ | DS概論 DS基礎 |
| 4-4. 時系列データ解析 | 時系列データ解析の概要を知る | DS概論 |
| 4-5. 自然言語処理 | 自然言語処理の概要を知る | DS基礎 |
| 4-6. 画像認識 | 自然言語処理の概要を知る | DS概論 DS基礎 |
| 4-7. データハンドリング | 大規模データをハンドリングする力を養う | DS概論 DS基礎 |
| 4-8. データ活用実践（教師あり学習） | データ利活用プロセス（教師あり学習）を体験し、データを使って考える力を養う | DS概論 DS基礎 |
| 4-9. データ活用実践（教師なし学習） | データ利活用プロセス（教師なし学習）を体験し、データを使って考える力を養う | DS概論 DS基礎 |
5. モデルカリキュラム（応用基礎レベル）と当センタープログラム「応用基礎ディプロマ」の対応表
※DA基礎＝データアナリティクス基礎
| モデルカリキュラム （2024年２月改訂版、☆＝コア学修項目） |
学修内容 （2024年２月改訂版） |
実施科目 （当センター） |
|---|---|---|
| 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（☆） | データ駆動型社会とデータサイエンスの関連性について学ぶ | DA基礎 |
| 1-2. 分析設計（☆） | データ分析の進め方およびデータ分析の設計方法を学ぶ | DA基礎 機械学習基礎 |
| 1-3. データ観察（☆） | 収集したデータの観察方法を学ぶ | DA基礎 |
| 1-4. データ分析 | 典型的なデータ分析手法を学ぶ | DA基礎 機械学習基礎 |
| 1-5. データ可視化 | 典型的なデータ可視化手法を学ぶ | DA基礎 |
| 1-6. 数学基礎 | データ?AI利活用に必要な確率統計、線形代数、微分積分の基礎を学ぶ | DA基礎 |
| 1-7. アルゴリズム | データ?AI利活用に必要なアルゴリズムの基礎を学ぶ | 機械学習基礎 |
| 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）の進展とビッグデータについて学ぶ | DA基礎 機械学習基礎 |
| 2-2. データ表現（☆） | コンピュータでデータを扱うためのデータ表現の基礎を学ぶ | DA基礎 機械学習基礎 |
| 2-3. データ収集 | Webサイトやエッジデバイスからのデータ収集方法を学ぶ | DA基礎 機械学習基礎 |
| 2-4. データベース | データベースからのデータ抽出方法を学ぶ | |
| 2-5. データ加工 | 収集したデータの加工方法を学ぶ | DA基礎 機械学習基礎 |
| 2-6. ITセキュリティ | データ?AI利活用に必要なITセキュリティの基礎を学ぶ | |
| 2-7. プログラミング基礎 | データ?AI利活用に必要なプログラミングの基礎を学ぶ | DA基礎 機械学習基礎 |
| 3. AI基礎 | ||
| 3-1. AIの歴史と応用分野（☆） | AIの歴史と活用領域の広がりについて学ぶ | DA基礎 機械学習基礎 |
| 3-2. AIと社会（☆） | AIが社会に受け入れられるために考慮すべき論点について学ぶ | DA基礎 機械学習基礎 |
| 3-3. 機械学習の基礎と展望（☆） | 機械学習の基本的な概念と手法について学ぶ | DA基礎 機械学習基礎 |
| 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について学ぶ | DA基礎 機械学習基礎 |
| 3-5. 生成AIの基礎と展望（☆） | 生成AIの基本的な概念と応用について学ぶ | DA基礎 機械学習基礎 |
| 3-6. 認識 | 人間の知的活動（認識）とAI技術について学ぶ | 機械学習基礎 |
| 3-7. 予測?判断 | 人間の知的活動（予測?判断）とAI技術について学ぶ | DA基礎 機械学習基礎 |
| 3-8. 言語?知識 | 人間の知的活動（言語?知識）とAI技術について学ぶ | 機械学習基礎 |
| 3-9. 身体?運動 | 人間の知的活動（身体?運動）とAI技術について学ぶ | 機械学習基礎 |
| 3-10. AIの構築と運用（☆） | AIの構築と運用について学ぶ | DA基礎 機械学習基礎 |
