KIT数理データサイエンス教育プログラム

令和4(2022)年度入学生用 リテラシーレベル

対象科目一覧・カリキュラムマップ

●令和4年度入学生用
リテラシーレベル (修了要件:9単位)★:指定科目、なし:オプション科目
区分 対象 授業科目名 授業 単位数 授業方法
修学基礎 全学科 ★修学基礎A 講義 2単位 対面
数理・データサイエンス・AI教育 全学科 ★AI基礎 講義 1単位 対面
プロジェクトデザイン基礎教育 全学科 ★プロジェクトデザイン入門(実験) 講義 2単位 対面
全学科 ★プロジェクトデザインⅠ 講義 2単位 対面
全学科 ★ICT入門 講義 1単位 対面
全学科 ★データサイエンス入門 講義 1単位 対面
数理・データサイエンス・AI教育 全学科 技術者のための統計 講義 2単位 対面
全学科 AIプログラミング入門 講義 1単位 対面
全学科 AI応用Ⅰ 講義 1単位 遠隔
全学科 AI応用Ⅱ 講義 1単位 遠隔
全学科 ビジネスデータサイエンス 講義 1単位 対面・遠隔
全学科 データサイエンス応用 講義 1単位 オンデマンド
プロジェクトデザイン基礎教育 全学科 IoT基礎 講義 1単位 対面
全学科 IoTプログラミング入門 講義 1単位 対面
全学科 IoT応用 講義 1単位 対面
全学科 ロボティクス基礎 講義 1単位 対面
全学科 エンベデッドシステム 実験・実習 2単位 対面
全学科 情報ネットワーク基礎 講義 1単位 対面
全学科 ネットワークセキュリティ 講義 1単位 対面

学習内容

科目名 学習内容
★修学基礎A 大学の教育内容を理解するとともに、社会における自専攻の専門分野のつながりやデータサイエンス・AIの活用例を学習する。またPD教育を基盤とした各専門分野の課題解決事例・研究事例を通して、新たな価値創出の可能性を学習する。
★AI基礎 AIに関する基本的機能や活用例、最先端技術、画像認識、文章カテゴリー化と自然言語処理、対話型音声識別などの基本的な内容と操作を学習する。さらに、機械学習(深層学習)に必要な初歩的なデータ構成についてもその基礎を学習する。
★プロジェクトデザイン入門(実験) プロジェクトデザイン教育(PD教育)は、知識や技能を集約して問題を発見し解決する力を養う。PD入門では身近なモノを対象として「収集→整理→分析→仮説→視覚化→報告する」に要するデータ取扱いスキルの基本を学習を行う。
★プロジェクトデザインⅠ プロジェクトデザイン教育(PD教育)は、知識や技能を集約して問題を発見し解決する力を養う。PDⅠでは実社会における様々な問題にチームで取り組み、データを活用した論理的な思考に基づいた問題解決学習を行う。
★ICT入門 パソコンの基本的な操作と、インターネット利用上のセキュリティや倫理、文書作成やプレゼンテーション資料作成について学習する。
★データサイエンス入門 表計算ソフトの基本操作を学ぶ。実験データやアンケートデータの集計・分析など、データの取扱いや社会の実際のデータ(オープンデータ)を可視化し、データを集計・分析について学習する。
技術者のための統計 技術者のための統計では、工学において偶然性を伴う現象を解析する場合に必要となる統計的な処理について学習する。観察や実験で得られたデータの整理を通じて、確率変数や確率分布の概念を理解し、代表的な確率分布である正規分布、カイ二乗分布、t分布、F分布の数表の使用に習熟する。
AIプログラミング入門 Python言語による基本的なプログラムを作成する。変数、関数、制御文、繰り返し文、リスト、コンテナの処理、イテレータ、モジュールの利用などについて学ぶ。
AI応用Ⅰ 深層学習の基礎、畳み込みニューラルネットワーク、リカレントニューラルネットワークの仕組みと活用法について学び、それらの手法やモデルに基づく応用システムを構築する。
AI応用Ⅱ AIの最も中心となる自然言語処理の基礎的な技術を学習する。文解析、情報検索、文書分類、対話システムなどの応用システムに関する理解を深める。
ビジネスデータサイエンス データを活用するための手法としてのデータ分析を学習する。推測統計の点推定と区間推定および仮説検定の概要や回帰分析を主として、多変量解析の理論と実践を学ぶ。
データサイエンス応用 機械学習のさまざまなアルゴリズムを用いたデータ分析手法を学習する。教師あり学習および教師なし学習およびscikit-learnを用いたデータ解析について学ぶ。
IoT基礎 IoTシステムを構成する基本技術や通信方式、情報セキュリティ対策技術について体系的に学習する。
IoTプログラミング入門 C言語とマイコンの基本的な機能を学習。I/Oポート、A/D変換、PWM、割込み(タイマ)、UART通信を利用したArduinoマイコンのプログラムが構築できることを目指す。
IoT応用 ハードウェアとセンサーを使った基礎的なシステム構築の手法を実践的に学ぶ。ラズベリーパイと各種センサーを用いてクラウドへ収集・蓄積する手法等を学習する。
ロボティクス基礎 基本的なロボットの制御手法について実践的に学ぶ。ロボット制御プログラミングの様々なセンサの値からロボットを操作する方法や、PID制御などの制御理論を学ぶ。
エンベデッドシステム 組込みシステムの概要、技術、業界、製品トレンドや基礎技術を体系的に学習する。また、実践を通してエンベデッドシステム開発技術を習得する。演習では「Linuxデバイスドライバプログラミング演習」に取り組む。
情報ネットワーク基礎 TCP/IPやそれに関連する知識と技術を学ぶ。ネットワークの各階層の役割と利用されるプロトコルの内容を学び、多様なコマンドを用いてネットワークの状況を把握する手法についても学ぶ。
ネットワークセキュリティ ネットワークのセキュリティに関する知識と技術について学ぶ。DoS攻撃やSQLインジェクションのようなネットワークの攻撃手法と対策技術を実践的に学ぶ。



実績・アンケート結果

●令和4年度入学生 指定6科目修了者数(2023.5.01)
●令和4年度入学生 指定6科目修得状況(2023.5.01)
●令和4年度開講科目 指定6科目の授業満足度(2023.3.31)