理工学部 2022年度以降入学生用
佐賀大学DS教育プログラム(応用基礎レベル)
項目 | 学修到達目標 | 科目 |
---|---|---|
1. データサイエンス基礎 | 1.1 データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する. |
データサイエンスⅠ 理工リテラシ―S3 |
1.2 分析目的に応じ、適切なデータ分析手法、データ可視化手法を選択できる. |
データサイエンスⅠ データサイエンスⅡ |
|
1.3 デデータ・AI利活用に必要な数学の基礎を理解する. |
データサイエンスⅠ データサイエンスⅡ 線形代数学Ⅰa, Ⅰb 微分積分学Ⅰa, Ⅰb 線形代数学Ⅱa, Ⅱb 微分積分学Ⅱa, Ⅱb |
|
1.4 データ・AI利活用に必要なアルゴリズムの基礎を理解する. | コンピュータプログラミング | |
2. データエンジニアリング基礎 | 2.1 データを収集・処理・蓄積するための技術の概要を理解する. | 理工リテラシ―S3 |
2.2 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理解する. |
データサイエンスⅡ コンピュータプログラミング |
|
2.3 データ・AI利活用に必要なプログラミングの基礎を理解する. | コンピュータプログラミング | |
3 AI基礎 | 3.1 AIのこれまでの変遷、各段階における代表的な成果物や技術背景を理解する. |
理工リテラシ―S3 サブフィールドPBL |
3.2 AIが社会に受け入れられるために考慮すべき点を理解する. | 理工リテラシ―S3 | |
3.3 自らの専門分野にAIを応用する際に求められるモラルや倫理について理解する. | 理工リテラシ―S3 | |
3.4 機械学習、深層学習等の基本的な概念を理解する. | サブフィールドPBL | |
3.5 複数のAI技術が組み合わされたAIシステムの例を説明できる. | 理工リテラシ―S3 | |
3.6 AI技術を活用し、課題解決に活かすことができる. | サブフィールドPBL |
教育学部・芸術地域デザイン学部 2021年度入学生用
佐賀大学DS教育プログラム(リテラシーレベル)
項目 | 学修到達目標 | 科目 |
---|---|---|
1. 社会におけるデータ・AI利活用 | 1.1 データ・AIがもたらす社会の変化やAIを活用したビジネス/サービスを知り,数理・データサイエンス・AIを学ぶことの意義を理解する. | データサイエンスへの招待 |
1.2 収集されているデータの種類やその活用事例を知る. | ||
1.3 データ・AI活用領域の広がりを理解し、データ・AIの活用事例を知る. | ||
1.4 データ・AIの活用を支える技術の概要およびAIの可能性と限界を知る. | ||
1.5 データ・AIの活用とそれによる価値創造の現状を知る. | ||
1.6 データ・AIの利活用における最新動向を知る. | ||
2. データリテラシー | 2.1 データを適切に読み解く力を身に付ける. | |
2.2 データを適切に説明する力を身に付ける. | ||
2.3 データを扱うための基本的な能力を身に付ける. | ||
3 データ・AI利活用における留意点 | 3.1 データ・AIを利活用する際の倫理と法を理解する. | |
3.2 データ駆動型社会における脅威(リスク)を理解する. | ||
3.3 データを守るために留意すべき事項を理解する. |
教育学部・芸術地域デザイン学部 2022年度以降入学生用
佐賀大学DS教育プログラム(リテラシーレベル)
項目 | 学修到達目標 | 科目 |
---|---|---|
1. 社会におけるデータ・AI利活用 | 1.1 データ・AIがもたらす社会の変化やAIを活用したビジネス/サービスを知り,数理・データサイエンス・AIを学ぶことの意義を理解する. | 情報基礎概論 |
1.2 収集されているデータの種類やその活用事例を知る. | ||
1.3 データ・AI活用領域の広がりを理解し、データ・AIの活用事例を知る. | ||
1.4 データ・AIの活用を支える技術の概要およびAIの可能性と限界を知る. | ||
1.5 データ・AIの活用とそれによる価値創造の現状を知る. | ||
1.6 データ・AIの利活用における最新動向を知る. | ||
2. データリテラシー | 2.1 データを適切に読み解く力を身に付ける. | |
2.2 データを適切に説明する力を身に付ける. | ||
2.3 データを扱うための基本的な能力を身に付ける. | ||
3 データ・AI利活用における留意点 | 3.1 データ・AIを利活用する際の倫理と法を理解する. | |
3.2 データ駆動型社会における脅威(リスク)を理解する. | ||
3.3 データを守るために留意すべき事項を理解する. |
医学部・農学部 2021年度以降入学生用
佐賀大学DS教育プログラム(リテラシーレベル)
項目 | 学修到達目標 | 科目 |
---|---|---|
1. 社会におけるデータ・AI利活用 | 1.1 データ・AIがもたらす社会の変化やAIを活用したビジネス/サービスを知り,数理・データサイエンス・AIを学ぶことの意義を理解する. | 情報基礎概論 |
1.2 収集されているデータの種類やその活用事例を知る. | ||
1.3 データ・AI活用領域の広がりを理解し、データ・AIの活用事例を知る. | ||
1.4 データ・AIの活用を支える技術の概要およびAIの可能性と限界を知る. | ||
1.5 データ・AIの活用とそれによる価値創造の現状を知る. | ||
1.6 データ・AIの利活用における最新動向を知る. | ||
2. データリテラシー | 2.1 データを適切に読み解く力を身に付ける. | |
2.2 データを適切に説明する力を身に付ける. | ||
2.3 データを扱うための基本的な能力を身に付ける. | ||
3 データ・AI利活用における留意点 | 3.1 データ・AIを利活用する際の倫理と法を理解する. | |
3.2 データ駆動型社会における脅威(リスク)を理解する. | ||
3.3 データを守るために留意すべき事項を理解する. |
経済学部 2021年度以降入学生用
佐賀大学DS教育プログラム(リテラシーレベル)
項目 | 学修到達目標 | 科目 |
---|---|---|
1. 社会におけるデータ・AI利活用 | 1.1 データ・AIがもたらす社会の変化やAIを活用したビジネス/サービスを知り,数理・データサイエンス・AIを学ぶことの意義を理解する. | 大学入門科目 |
1.2 収集されているデータの種類やその活用事例を知る. | 基本統計学 | |
1.3 データ・AI活用領域の広がりを理解し、データ・AIの活用事例を知る. | 基本ミクロ経済学 | |
1.4 データ・AIの活用を支える技術の概要およびAIの可能性と限界を知る. | 基本統計学 | |
1.5 データ・AIの活用とそれによる価値創造の現状を知る. | 基本統計学 | |
1.6 データ・AIの利活用における最新動向を知る. | 基本統計学 | |
2. データリテラシー | 2.1 データを適切に読み解く力を身に付ける. | 基本統計学 |
2.2 データを適切に説明する力を身に付ける. |
基本統計学 情報基礎概論 |
|
2.3 データを扱うための基本的な能力を身に付ける. |
基本統計学 情報基礎概論 |
|
3 データ・AI利活用における留意点 | 3.1 データ・AIを利活用する際の倫理と法を理解する. | 基本法学 |
3.2 データ駆動型社会における脅威(リスク)を理解する. | 基本法学 | |
3.3 データを守るために留意すべき事項を理解する. | 情報基礎概論 |
理工学部 2021年度以降入学生用
佐賀大学DS教育プログラム(リテラシーレベル)
項目 | 学修到達目標 | 科目 |
---|---|---|
1. 社会におけるデータ・AI利活用 | 1.1 データ・AIがもたらす社会の変化やAIを活用したビジネス/サービスを知り,数理・データサイエンス・AIを学ぶことの意義を理解する. | データサイエンスⅠ |
1.2 収集されているデータの種類やその活用事例を知る. | データサイエンスⅠ | |
1.3 データ・AI活用領域の広がりを理解し、データ・AIの活用事例を知る. | 理工リテラシ―S1 | |
1.4 データ・AIの活用を支える技術の概要およびAIの可能性と限界を知る. | 理工リテラシ―S1 | |
1.5 データ・AIの活用とそれによる価値創造の現状を知る. | データサイエンスⅡ | |
1.6 データ・AIの利活用における最新動向を知る. | 理工リテラシ―S2 | |
2. データリテラシー | 2.1 データを適切に読み解く力を身に付ける. | データサイエンスⅠ |
2.2 データを適切に説明する力を身に付ける. | データサイエンスⅠ | |
2.3 データを扱うための基本的な能力を身に付ける. |
データサイエンスⅠ データサイエンスII |
|
3 データ・AI利活用における留意点 | 3.1 データ・AIを利活用する際の倫理と法を理解する. | 理工リテラシ―S2 |
3.2 データ駆動型社会における脅威(リスク)を理解する. | 理工リテラシ―S2 | |
3.3 データを守るために留意すべき事項を理解する. | 理工リテラシ―S2 |