概要、および当該教育プログラムにおいて身に付けることのできる能力：

数理・データサイエンス・AIへの関心を高め、それらを扱う能力を身に付けるのに必要な知識及び技術を、体系的に習得する入門コースです。武蔵野大学の全ての学科に共通の必修科目であり、「データサイエンス基礎(旧科目名：データ・情報リテラシー)」と「人工知能基礎(旧科目名：メディア・人工知能リテラシー)」という必修の２科目から構成されています。両科目の全体を通して、モデルカリキュラムと対応した以下の５項目に関して学修します（カッコ内は関連するモデルカリキュラムの項目番号を表す）。

(1) 現在進行中の社会変化：　AI最新技術の活用例や人間の知的活動とAIの関係性 [導入1-1, 1-6]

(2) 社会で活用されているデータ：　オープンデータや仮説検証、データ・AI活用領域の広がり [導入1-2, 1-3]

(3) 様々な適応領域：　データ可視化や地図上の可視化、今のAIで出来ることと出来ないこと、探索的データ解析、関係性の可視化 [導入1-4, 1-5]

(4) 活用に当たっての留意事項：　情報セキュリティ、データ倫理 [心得3-1, 3-2]

(5) 基本的な活用法：　データの種類、代表値、データのばらつき、データの比較、データ解析ツール [基礎2-1, 2-2, 2-3]

すなわち、入門コースとして、数理・データサイエンス・AIへの関心を高め、それらを扱う能力を身に付けるのに必要な知識及び技術を体系的に習得する。

修了要件：

以下の全学科共通の必修の２科目の単位を両方とも取得していること。

・「データサイエンス基礎（旧科目名：データ・情報リテラシー）」

・「人工知能基礎（旧科目名：メディア・人工知能リテラシー）」

開設される授業科目、その授業の方法及び内容：

・「データサイエンス基礎」（旧科目名：データ・情報リテラシー）

本授業では、社会に溢れているデータから価値を引き出すための基礎的な知識とスキルを実践的に学ぶ。知識として、データ処理関数、情報セキュリティやインターネットにおける自己防衛法を学ぶ。また、目的に応じてデータを収集・管理・編集し、基本的なデータ処理関数を適用し、可視化・図式化し、その結果を読み取り、そして第三者に客観的エビデンスを示すスキルを、Google SpreadsheetやSlideなどのツールを活用して学ぶ。学習方法としてはグループ協調学習を基軸に進め、協働・プレゼンスキルなども副次的に身につける。

・「人工知能基礎」（旧科目名：メディア・人工知能リテラシー）

本授業では、ヒトが知能を使ってすることを機械ができるようにした仕組みを利活用するための基礎的な知識とスキルを実践的に学ぶ。知識として、人工知能の基本的な能力や社会応用の可能性、情報社会の権利について学ぶ。また、人工知能ツールやサービスに触れることを通して人工知能が社会生活に及ぼす影響につ いて考察したり、他者の権利を尊重して社会発信したりするスキルを、Google ColaboratoryやDocumentなどのツールを活用して学ぶ。学習方法としてはグループ協調学習を基軸に進め、協働・プレゼンスキルなども副次的に身につける。

実施体制：

・プログラムの運営責任者：Musashino University Smart Intelligence Center センター長

・プログラムの改善・進化：Musashino University Smart Intelligence Center（MUSIC）

・プログラムの自己点検・評価：自己点検・評価委員会

開講状況：

・令和２年度の修了者数： 2,313名

自己点検・評価：
・令和2(2020)年度 自己点検・評価チェックシート（データサイエンス・AI入門プログラム）
・令和2(2021)年度 自己点検・評価チェックシート（データサイエンス・AI入門プログラム）

プログラム認定制度申請関係：
・数理・DS・AI教育プログラム認定制度(リテラシーレベル)申請書(様式1-6)
・数理・DS・AI教育プログラム認定制度(リテラシーレベル)の科目名の変更について(様式8)
・取組概要

本授業では、社会に溢れているデータから価値を引き出すための基礎的な知識とスキルを実践的に学ぶ。知識として、データ処理関数、情報セキュリティやインターネットにおける自己防衛法を学ぶ。また、目的に応じてデータを収集・管理・編集し、基本的なデータ処理関数を適用し、可視化・図式化し、その結果を読み取り、そして第三者に客観的エビデンスを示すスキルを、Google SpreadsheetやSlideなどのツールを活用して学ぶ。学習方法としてはグループ協調学習を基軸に進め、協働・プレゼンスキルなども副次的に身につける。

本授業では、ヒトが知能を使ってすることを機械ができるようにした仕組みを利活用するための基礎的な知識とスキルを実践的に学ぶ。知識として、人工知能の基本的な能力や社会応用の可能性、情報社会の権利について学ぶ。また、人工知能ツールやサービスに触れることを通して人工知能が社会生活に及ぼす影響につ いて考察したり、他者の権利を尊重して社会発信したりするスキルを、Google ColaboratoryやDocumentなどのツールを活用して学ぶ。学習方法としてはグループ協調学習を基軸に進め、協働・プレゼンスキルなども副次的に身につける。

本授業では、目的に応じた情報（データ）の可視化と分析、仮説（アイデア）の創出、情報の論理的な図式化技法を学ぶ。具体的には、クラウドツールであるスプレッドシートや可視化ツールを活用し、情報・データを様々な形で可視化したり、情報を分類・比較することを通じて、情報の新しい関係性（仮説）を発見する基本的な方法論と実践技法を学ぶ。さらに発見された仮説（アイデア）を論理的に表現・論証し、その論理構造が他 者に伝わりやすい形で表現する手法（可視化・図式化）を学ぶ。これらの技法を学ぶことを通じて、他者に伝達したい主張の共通理解を得るために、情報分析による論証や論理的な説明の重要性と具体的な実践スキルを身につける。

ビジュアルプログラミング言語を利用し，ブロックを組み合わせることで，ゲーム内で自律的に動作するコンピュータのキャラクタを作成したり，LEDや音を制御するIoTデバイスを作成する．またプログラミングに必要なコンピュータの計測や制御，またセンサやアクチュエータの仕組みについて学ぶ．更にプログラミングの基本的な仕組みとして，順次，分岐，反復といった制御構造などを理解し，処理を視覚的に表現するフローチャートを自ら書くことができる能力を身につける．

本授業では、デジタルシティズンとして21世紀をしなやかに生き抜くための基礎的な知識とスキルを実践的に学ぶ。知識として、メディアの批判的な受容、情報社会の生活に欠かせないSNS利用の倫理、情報発信に必 要な情報設計について学ぶ。また、オンライン授業下でのリテラシーなどの自己防衛スキル、社会的・情緒的スキル、メディアを通じた社会発信スキルを、Google SiteやYouTubeなどのツールを活用して学ぶ。学習方法としては、講義に加えオンデマンド学修やグループ協調学修も併用する。

情報技法基礎の履修を前提に、データの高度な分析や可視化技法について学ぶ。本科目では、BIツールと呼ばれる、膨大なデータをリアルタイムに可視化するツールを活用し、データを多角的に可視化することを通じて、データの本質を見出し、迅速な問題発見や意思決定を行うための技法を身につける。企業の売上データや、気象データ、人の移動量といったオープンデータなど、複数のリアルなデータリソースを活用し、実践的な問題発見課題に取り組む。さらにBIツールが提供するスマート分析などを活用し、AI技術を活用した最新の情報分手法も体験する。

本授業では、情報技法基礎の履修を前提に、データの統計的な分析法および論理的な分析と表現手法についての学びを行う。いわゆる統計的思考および論理的思考について実践的知識とスキル学ぶ。問題を発見し、解決案を見出し、他者を説得するためには、エビデンスに基づいた主張と論理的な説得の構造が必要である。本授業では、情報技法基礎で学んだ分析スキルに加え、より高度な統計的手法を学ぶ。また論理的思 考法では、観察された事象を論理的な構造として捉える論理構造の構築手法、論理構造の説得力のある表現手法について学ぶ。これらの学修を通じて、統計的思考及び論理的思考の実践的な思考法及びスキルを身につけると同時に、情報を正しく読む力、データに基づき論理的に主張する力、異なる考え方の間を論理的に埋めていくコミュニケーション力など、社会で求められる能力の基礎スキルを獲得することを狙いとする。

情報技法基礎の履修を前提に、観察に基づく課題発見→アイデアの創出と可視化→ユーザ体験評価というデザイン思考に基づく一連の問題解決プロセスを体系的・実践的に学ぶ。具体的には、観察調査を通じた質的データの収集及び分析手法、アイデアを可視化するプロトタイピング手法、ユーザ体験の価値を測定する評価手法などの技法を学ぶ。講義を通じてデザイン思考における主要な概念・方法論を学ぶとともに、ワークショップを通じてリアリティある課題に取り組み、自身が属する社会のリアルな問題解決にデザイン思考の問題解決を適用できるような実践的なスキルを身につける。

作成したいアプリケーションを提案し，それを実現するために必要なプログラミングスキルをプログラミング学習サービスを利用して習得する．講義では，複数のデータを扱うときに必要な「リスト」，処理内容がランダムに変わる時に必要な「乱数」，プログラムを再利用できるようにする「関数」，また公開されているプログラムを活用する「WebAPI」等を学ぶ．

作成したいアプリケーションを提案し，それを実現するために必要なプログラミングスキルをプログラミング学習サービスを利用して習得する．講義では，必要なデータを探索する探索アルゴリズムや，データを並べ替えるソートアルゴリズムについて学ぶ．またプログラミングの応用として，社会の事象や自然現象などの複雑な問題を理解し，予測する時に必要な「モデル化」および「シミュレーション」の仕組みについて学び，モデルの妥当性について検討できる能力を身につける．

本授業は、本学のサブメジャーコースである人工知能活用エキスパートコースを修得する上で必ず受講が必要な科目である。情報通信技術及び人工知能技術に関わる歴史と進化のあらまし、情報通信技術及び人工知能技術を利活用する上で必要となる重要概念や用語の理解をするとともに、重要な技術についてはその原理的な仕組みも学ぶ。さらに、ビジネスから様々な生活シーンに展開される人工知能の社会的活用の現状と将来展望をケーススタディをベースに実践的に学ぶ。

本授業では、人工知能やデータサイエンスの技術を、様々な情報メディアで利活用する上で必要となるメディアの基本的な知識、スキルを実践的に学ぶ。メディアとしては、Webメディアを取り上げ、その要素技術であるHTMLやJavaScriptに関する知識を学び、それらの編集スキルを習得する。さらに、JavaScriptを応用したMR (mixed reality)などの様々なメディアの作成と編集スキルを、playcanvasなどの開発ツールを活用して学ぶ。（前提科目：プログラミング基礎、プログラミング発展AとB）

本演習は、情報技法基礎、情報技法発展1、2、プログラミング基礎、プログラミング発展1、2の履修を前提とした内容である。基本は、サービスデザインの体系的な方法論・プロセスを実践的かつ体験的に学ぶ。 デザインするサービスは、モバイルアプリやwebサービスを想定して、アイディア創出からデザイン、プロトタイプ作成まで行うことを想定している実践的な内容である。プロトタイプとしては、ビデオプロトタイプ作成を目標にする。

機械学習に関する基礎スキルおよび実社会での応用事例についての知識などを，機械学習の学習サービスを利用して習得する．講義では，機械学習の基礎知識として重要な決定木やk-近傍法といったデータの分類法，教師なし学習という手法でデータをグループに分割する階層的クラスタリングやk-means法などについて学ぶ．また近年様々な手法が提案されて，多くの社会問題の解決に利用されている，ディープラーニングの基礎となるニューラルネットワークの仕組み，またその学習方法について学ぶ．

機械学習活用1の履修を前提に，時系列データ分析，画像認識，テキストマイニングといった具体的な学習テーマを設定し，機械学習の学習サービスを利用して知識及びスキルを身につける．また必要なデータを取得し，作成したモデルで自ら設定した問題を解決する．講義では，機械学習を利用して問題を解決した事例を，そこで利用された手法などのトピックを交えて紹介する．

機械学習活用1の履修を前提に，時系列データ分析，画像認識，テキストマイニングといった具体的な学習テーマを設定し，機械学習の学習サービスを利用して知識及びスキルを身につける．また必要なデータを取得し，作成したモデルで自ら設定した問題を解決する．講義では，機械学習を利用して問題を解決した事例を，そこで利用された手法などのトピックを交えて紹介する．

本授業では、社会に溢れているデジタルデータを収集し、将来使えそうな知識を見いだしたり、検証したりするための基礎的な知識とスキルを実践的に学ぶ。知識として、オンラインのデータを活用するデジタルマーケティングや、標本データから母集団の特性を推測するための推測統計学を学ぶ。また、実データの機械学習への適用、仮説に基づく母集団の特性の検証のスキルを、Google ColaboratoryやSpreadsheetなどのツールを活用して学ぶ。また、課題背景を理解したうえで、専門分野の課題を整理し、解決する力の育成も重視する。

一連の人工知能活用サブメジャーコースの科目群の知識やスキルを集大成して、ユニークなアイディアを創出して、具体的にそのアイディアを具現化し、成果をアウトプットする実践的プロジェクト科目である。 一連の人工知能、データサイエンス演習等で学んだ先進的なツールの活用や方法論を駆使して、SDGsに貢献できるようなユニークなアイディアをメディア、サービス、分析・・などカタチのあるものとして集大成する総合的な演習活動である。

A.2021年度4月以降の武蔵野大学入学生が受講できます（データサイエンス学科を除く）。2020年度以前の学生も、コース認定はありませんが、選択科目として受講することができます。

A.「コースの受講方法と認定要件」をご確認ください。またコースの紹介はこちらのホームページなどで随時公開していきますので、こまめにチェックしてください。

A.「PICKUP!科目紹介」では、コースで受講する授業の内容を動画で詳しく紹介しています。チェックしてみてください。

A.副専攻AI活用エキスパートコースは入門・基盤・専修の3つの科目群で構成されており、まずは入門科目で基礎的な知識やスキルから学んでいくことができます。コースを受講する学生や教員が参加するオンライン上のコミュニティにも参加しますので、疑問などがあれば教員に尋ねたり他の学生同士で教え合ったりして解決していくことができます。

A.社会の中では，皆さんがどのような知識やスキルを獲得して，どのようなことができるのかが重視されます．そのような時に，コースで継続して学び，修了後に大学で認められた修了証が得られることは，社会に自分の力をPRできる大きな武器になります．またコース内では，課題に取り組み発表や評価をするといった、成果物の制作と自己表現を行う機会が多くあります．このような機会を経験することも，これから社会に出る皆さんにとって大きな力になると考えています．

A.5/17から5/31まで一部科目で追加登録を受け付けています。対象者・注意事項などの詳しい情報は、副専攻AI活用エキスパートコースのYammerをご確認ください（閲覧には大学のメールアドレスとパスワードが必要です）。