佐賀大学データサイエンス教育プログラム（リテラシーレベル）
数理・データサイエンス・AIを日常生活や仕事などの場で利活用できる基礎的素養を身に付け、これらを問題解決や他者との円滑なコミュニケーション等に正しく活用できる人材を育成する。そのために、佐賀大学データサイエンス教育プログラム（リテラシーレベル）の学習到達目標を次のように定める。
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。
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。
佐賀大学データサイエンス教育プログラム（応用基礎レベル）
数理・データサイエンス・AIに関する基礎能力を有するとともに、これを自らの専門分野や関連分野などへ応用して、課題解決や価値創造などに活かせる人材を育成する。そのために、佐賀大学データサイエンス教育プログラム（応用基礎レベル）の学習到達目標を次のように定める。
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。（１－１）
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。（１－２）
1.3 データ・AI利活用に必要な数学の基礎を理解する。（１－６）
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。（１－７）
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。（２－１）
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。 （２－２）
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。（２－７）
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。（３－１，３－２）
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。（３－２）
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（３－２）。
3.4 機械学習、深層学習等の基本的な概念を理解する。（３－３、３－４）
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。（３－９）
3.6 AI技術を活用し、課題解決に活かすことができる。（実践）