データサイエンス
教育推進センター

データサイエンス教育推進センターについて

現代はこれまでの情報社会（Society4.0）を超えて、AIの発達やIoT、ビッグデータを活用して新たな価値を生み出す、Society5.0の時代を迎えています。Society5.0は、様々な知識や情報を結びつけて、社会の諸課題を解決していく時代です。その時代をリードしていく人々には、文系・理系や専門・職業のジャンルを問わず、数理・データサイエンス・AIの基礎知識を持ち、その原理を理解して実社会に活用できるスキルが強く求められます。

創価大学の中長期計画であるSoka University Grand Design 2021-2030（創価大学グランドデザイン）でも、2030年を展望する新たな教育プログラムとして、次の項目が謳われています。
① データサイエンス科目の全学必修化
② 副専攻「データサイエンス」の拡充
③ データサイエンスに関する「ダブルメジャー制度」等の検討

創価大学ではデータサイエンス教育推進センターを設置し、これらの取り組みの実現を通して、学生の皆さんのレベルや希望に応じて段階別にデータサイエンスを学修できる体制を整えていきます。創価大学でデータサイエンスの学修を検討している方は、本センターの情報を確認し、今後の学修計画の参考にしてください。

データサイエンス教育推進センター長あいさつ

取り組み

本学のデータサイエンス教育の取り組みが、文部科学省が推進する数理・データサイエンス・AI教育プログラム認定制度（①リテラシーレベル・②応用基礎レベル）に認定されました（認定の有効期限：①令和８年３月31日まで ②令和９年３月３１日まで）。

①数理・データサイエンス・AI教育プログラム（リテラシーレベル）

文部科学省　「数理・データサイエンス・AI教育プログラム認定制度」（リテラシーレベル）

②数理・データサイエンス・AI教育プログラム（応用基礎レベル）

文部科学省　「数理・データサイエンス・AI教育プログラム認定制度」（応用基礎レベル）

本学のデータサイエンス教育の取り組み

１. 創価大学 「データサイエンス副専攻」

本学で実施するデータサイエンス副専攻とは、所属する学部学科のカリキュラムを学ぶ主専攻に加えて、データサイエンスに関する専門分野を学ぶことができる制度です。例えば、経済学部の学生が経済学部で設置する専門科目を学ぶかたわら、データサイエンス副専攻の科目を学び、その上で認定要件（単位数・通算 GPA）を満たしていれば、「主専攻：経済学」「副専攻：データサイエンス」として成績証明書及び卒業証明書に記載されます（2019年度生より導入）。

副専攻制度について

２．「データサイエンス入門」の全学必修化

2022年度生より、リテラシーレベルの内容については、共通科目「データサイエンス入門」（2単位）として、全学部の学生が必修科目として1年次に学びます。

その準備として、2021年度生より「データサイエンス入門」を日本語と英語で開講しています。また2020年度以前に入学した学生については、データサイエンス副専攻の必修科目「データ・サイエンス」（4単位）のなかで、リテラシーレベルの内容を学ぶことができます。なお全学必修化にともない、2022年度より「データ・サイエンス」は、「データサイエンス入門」の履修を前提とした科目へと授業内容を変更していきます。

３．本学のデータサイエンス教育の特色

本学では、文系の学生であっても主体的にデータサイエンスを学べるように、学修ステップを明示し、学生の希望やレベルに応じた教育プログラムを用意しています。

【ステップ０】全学リテラシー教育
全学必修科目「データサイエンス入門」（2021年度試験開講、2022年度生から1年次必修化）

【ステップ1】データサイエンス基礎教育
応用基礎(データサイエンスの基礎になる2科目6単位)＋基礎統計学

【ステップ２】自らの専門における課題解決
データサイエンス副専攻

【ステップ３】AIを活用して課題解決
理工学部情報システム工学科生を対象としたデータサイエンス教育

４．実施体制

５．授業内容

①社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、生活と密接に結びついていること

Society 5.0の概念を学び、高度情報化社会を超えて、さまざまな分野でデータ・AIの利活用が始まっていることを理解する。具体的には(i) IoTやクラウドによるビッグデータの収集と蓄積、(ii) 計算機の処理能力の飛躍的向上、(iii)特化型の人工知の発達、(iv) 画像処理や自動運転またビジネスにおける応用、(v)データサイエンティストが果たす役割を学ぶ。

データ利活用の最新動向として、ベイズ統計学、機械学習、深層学習の発展について概観する。また具体例として、マルコフ連鎖モンテカルロ法、サポートベクターマシーン、自然言語処理など、それぞれの分野で今後学んでいくべき領域を認識する。さらにデータサイエンティストに求められる役割を踏まえて、ビジネス、データサイエンス、データエンジニアのなかで自身がどこに主軸をおくのか考える。最後にデータサイエンティストが修得しておくべきスキルを確認する。

②数理・データサイエンス・AIは、日常生活や社会の課題を解決する有用なツールになり得ること

社会で活用されているデータを知るために、教育⽤標準データセット（SSDSE）、教育⽤データ提供システム（北海道⼤学）、政府のeStatおよびIMFのHPにアクセスする。また上記のサイトのデータを利用して、調査データや観測データなどの違いを理解する。また市区町村のデータを使って構造化データの特徴を理解する。自身の関心のあるテーマについて実証分析を行うために、上記のサイトなどから利用可能なデータを探す。

データ活用領域については、非常に広範囲であり、問題解決に役立つものであることを学ぶ。具体的に、研究開発、マーケティング、製造と物流、活動代替、新規生成などでの利活用について学ぶ。特に、マーケティングにおけるデータ活用として、POSデータの利用やAmazonのリコメンドシステムなどについて理解する。

③様々なデータ利活用の事例、適用領域の知見を組み合わせることでの価値創出

データ・AI利活用の技術を俯瞰するための準備として、データの可視化について復習し、3次元プロット、地図データやネットワークの可視化、リアルタイム可視化など、これまで授業で扱ってこなかった可視化の方法を理解する。利活用の技術として、予測、グルーピング、パターン認識、最適化、シミュレーションなどの概念を理解する。

データ・AI利活用の現場では、どのようなサイクルで仕事をしているのか知るために、データサイエンスのサイクル（課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案）を理解する。またデータ・AI利活用の事例として、キューピーの食品工場での不良検知やヘルスケアでの取り組みについて学ぶ。

④データの活用に関する様々な留意事項への理解

データを利活⽤する際に求められるモラルや倫理について理解する。また捏造・改ざん・盗用などのリスクだけでなく、個人情報やプライバシーの保護について学ぶ。また匿名化や暗号化などデータを守る方法について理解する。特に、ハッキング、クラッキング、コンピュータウイルス、AIなどの技術や脅威について確認し、AI時代のELSIについて学ぶ。

⑤「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの活用法

統計学の基礎レベルの授業全体を通して、データを適切に読み解く力、データを適切に説明する力、データを適切に扱うための力を養う。さらに推定や仮説検定など統計分析の手法を理解し、現実のデータへ適切に応用する力を養う。

また必修科目「データ・サイエンス」では、教育⽤標準データセット（SSDSE）、教育⽤データ提供システム（北海道⼤学）、政府のeStatおよびIMFのHPなどからデータを入手し、各人の関心をもとに仮説検証を行い、それをレポートにまとめる。なお、統計処理にはEXCELまたはコンピュータ言語を用いる。

育成する人材像

創価大学の人材は変化に対応し、知識と智慧を結集して問題解決能力を発揮。現代社会において不確実性に対処する重要性が高まります。

「価値創造を実現するためのデータサイエンス教育」

創価大学が育成する人材は「刻々と変化する現実に応じて、知識を生かしながら、問題を解決するために自在に智慧を発揮していく人間」（創価大学ミッションステートメント）である。ゆえに、社会の変化に耐えうる汎用的な問題解決能力の育成が欠かせない。不確実性で形容される現代において、そうした思考力と実行力を育成する重要性は増すばかりである。

「副専攻：データサイエンス」では、データから価値を創造する経験を積み、世界市民として現実社会に貢献するための基盤となる素養を涵養する。
具体的に、以下の3つの力を育む。

• データから見える世界を先入観なく観察し、現実社会の実相を深く認識する「現実認識力」
• データの背後に隠れた一人ひとりに思いをはせ、問題を発見・定義し、解決への道筋を構想する「問題発見力」
• データから得た知見をよりよい意思決定と合意形成のために活かし、善の連帯を築く「価値創造力」

これらの素養を備えた「創造的人間」を育成するには数理的な技能の習得だけでは不十分であり、文理融合の視点が肝要である。本副専攻では、各学部で学ぶ専門を知識基盤として、協働学習・課題解決を行い、各専門とデータサイエンスの融合を通じた実践的能力と創造性の育成に力点を置く。

“Data Science Education for Value Creation”

Soka University strives to foster “individuals who are able to freely employ knowledge in order to bring forth the wisdom to creatively confront the challenges of our ever-changing reality” (Mission Statement). Fostering versatile problem-solving skills, therefore, is one mission of Soka University. In the present fast-changing and uncertain time, it is ever important to foster such skills.

Minor in Data Science provides students with the experience to create value from data and foundational skills as contributive global citizens. Specifically, the Minor aims to develop students’ abilities in:

- Recognizing Reality: To recognize reality by observing the world seen through data without bias;

- Discovering Problems: To imagine individuals behind data and statistics, find and define problems, and envisage the solution; and

- Creating Value: To utilize the knowledge acquired from data for better decision-making and consensus-building.

Fostering creative individuals with these attributes require inter- and multi-disciplinary thinking. Minor in Data Science builds upon students’ specialty in their faculty. Collaborative learning and problem-solving are emphasized, thereby developing practical skills through the fusion of each specialty and data science.  

Close

学修ステップ

創価大学では、皆さんの希望やレベルに応じた段階的にデータサイエンスを学修できる教育プログラムを用意しています。

STEP０ 全学リテラシー教育

2022年度より、全学リテラシー教育として、数理・データサイエンス教育強化拠点コンソーシアムのモデルカリキュラム（リテラシーレベル）に準拠した「データサイエンス入門」科目を全学必修化しています。

分野	科目名	科目 所属	単位	所属学科
				経済	法律	人間	経営	教育	児教	情報	共生	看護	国際
データ サイエンス入門	データ サイエンス入門	共通	２	◎	◎	◎	◎	◎	◎	◎	◎	◎	◎

STEP１ データサイエンス基礎教育

全学部生向けに、データサイエンスの基礎的な内容を学べる科目群を8～10単位選定しています。
※STEP２「データサイエンス副専攻」の必修科目、基礎統計学科目と共通です。
所属学部・学科ごとに対象の科目を確認して、履修してください。

応用基礎

分野	科目名	科目 所属	単位	所属学科
				経済	法律	人間	経営	教育	児教	情報	共生	看護	国際
データ・ サイエンス	データ・ サイエンス	経済	4	◎	◎	◎	◎	◎	◎	◎	◎	◎	◎
	AI基礎	共通	2	◎	◎	◎	◎	◎	◎	◎	◎	-	◎

基礎統計学

※入学年度のカリキュラムによって、科目名が変わるため、STEP２で紹介されているそれぞれの副専攻科目表をご参照ください。

STEP２ データサイエンス副専攻

※データサイエンス副専攻の科目の履修順序を示した履修モデルをご確認ください。

各学部の専攻に加えて、データサイエンスをより深く、体系的に学修したい学生向けに、データサイエンス副専攻を開講しています。
（2019年度以降入学生向け）
各学部の専門分野の能力を兼ね備えたデータサイエンティストに求められるスキルとして、データ分析、Python言語、R言語、統計学、SQL、Java言語、アルゴリズム論、人工知能などの基礎知識を修得し、現実問題の分析に応用していく力を身に着けることができます。

3セメスター以降の履修登録期間に履修・成績(WEB)システム上で登録の上、以下の要件を満たすと、「データサイエンス副専攻」を修了したことが、卒業証明書と成績証明書に記載されます。

• 以下の副専攻科目24単位以上を修得（対象となる科目は所属学部・学科により異なります）
• 卒業時GPAが2.70以上

データサイエンス副専攻科目表（2024年度生） データサイエンス副専攻科目表（2023年度生） データサイエンス副専攻科目表（2022年度生） データサイエンス副専攻科目表（2021年度生） データサイエンス副専攻科目表（2020年度生） データサイエンス副専攻科目表（2019年度生）

STEP３ 理工学部情報システム工学科生向け教育

データサイエンスを専門的に学べる教育を、理工学部情報システム工学科生向けに実施しています。
詳しくは学科の専門科目のカリキュラムツリーを参照してください。

Close

データサイエンス 自己点検評価資料

「データサイエンス入門」（リテラシー）「データサイエンス応用基礎教育（応用基礎）」の2023年度実施に係る自己点検・評価に関わる資料をアップしました。

データサイエンス入門（リテラシー） 自己点検評価資料　※2023年度 データサイエンス応用基礎教育（応用基礎） 自己点検評価資料　※2023年度 データサイエンス入門（リテラシー） 自己点検評価資料　※2022年度 データサイエンス応用基礎教育（応用基礎） 自己点検評価資料　※2022年度 データサイエンス副専攻 自己点検評価資料　※2021年度 データサイエンス副専攻 自己点検評価資料　※2020年度

Close

よくある質問（FAQ）

創価大学によく寄せられる質問をまとめています。

Q

数学・統計学が心配です・・・

A

この副専攻が最低限求める数学力は、「基礎統計学科目」の授業と同程度です。副専攻登録は後からでも可能です。まずは「基礎統計学科目」の授業を受講しつつ、検討してください。※「基礎統計学科目」は、データサイエンス副専攻の科目表を参照してください。

Q

プログラミングが初めてなのですが・・・

A

プログラミングは基礎から学びますので、 初めてでも問題ありません。

Q

すでに取得した学部専門科目が副専攻科目に含まれていますが、 改めて受講する必要がありますか？

A

専門科目の単位を取得すると、副専攻・学部専門科目の両方でカウントされます。改めて受講する必要はありません。

Q

費用はかかりますか？

A

追加の学費等は不要です。

Q

副専攻登録はいつ行いますか？

A

3セメスター以降の履修登録期間であれば、いつでも可能です。

Close

データサイエンス 関連授業・学修質問受付フォーム

学修ステップのページに掲載した授業に関する質問、創価大学のデータサイエンス教育全般に関する質問を受け付けています。