AI for ALL.
情報副専攻(AI活用エキスパートコース)2021年開講
情報副専攻特設サイト移動に伴うURL変更のお知らせ
2021/11/12 MUSIC
「情報副専攻特設サイト」にアクセスいただきありがとうございます。
この度、当サイトは武蔵野大学ホームページ内に移動いたしました。
移動に伴いURLも変更させていただきましたので、お手数をおかけいたしますが
上記のバナーか以下のリンクから再度アクセスをお願いいたします。
移動先 URL
https://www.musashino-u.ac.jp/guide/facility/MUSIC_center/submajor_aiexpert.html
「情報副専攻(AI 活用エキスパートコース)」とは
副専攻とは、主専攻(=所属する学部・学科での学び)とは別の関心ある分野を学ぶことです。
本コースでは、データサイエンス及び人工知能の基礎的知識とスキル、論理的思考・デザイン思考・データ思考などの情報技法や、プログラミング能力といった、基盤的な技法を身につけます。
その上で、データサイエンス及び機械学習の専門的なツールを活用して実社会の問題解決を実践的に行うことができるエキスパートを育成します。
副専攻とは、主専攻(=所属する学部・学科での学び)とは別の関心ある分野を学ぶことです。
本コースでは、データサイエンス及び人工知能の基礎的知識とスキル、論理的思考・デザイン思考・データ思考などの情報技法や、プログラミング能力といった、基盤的な技法を身につけます。
その上で、データサイエンス及び機械学習の専門的なツールを活用して実社会の問題解決を実践的に行うことができるエキスパートを育成します。
目次
(1) 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)認定
情報副専攻(AI活用エキスパートコース)は、「入門」「基盤」「専修」3つの科目群で構成されています。そのうち入門科目群「データサイエンス・AI入門」が、文部科学省の「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)」に認定されました。「データサイエンス・AI入門」は、武蔵野大学の全学科の1年次必修科目「データサイエンス基礎」と「人工知能基礎」(旧科目名「データ・情報リテラシー」と「メディア・人工知能リテラシー」)で構成されています。
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)とは、学生の数理・データサイエンス・AIへの関心を高め、それらを適切に理解し活用する基礎的な能力を育成することを目的として、数理・データサイエンス・AI に関する知識及び技術について体系的な教育を行うものを文部科学大臣が認定して奨励する制度です。
認定の有効期限:
令和8年3月31日まで
認定プログラム「データサイエンス・AI入門」について
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
(2) 対象学科
2021年度以降に入学したデータサイエンス学科以外の全学科が対象です。文系・理系問わずAIを活用する力が学べます。
参考:武蔵野大学の学部学科一覧
https://www.musashino-u.ac.jp/academics/faculty/
(3)「情報副専攻(AI活用エキスパートコース)」はこんな人に向いています
・学科での学びに加えて、AIを様々なことに活用できる力を身につけたい
・AI・データサイエンスを使った最先端の仕事に就きたい
(4) コース修了者に修了証書を発行します
大学があなたの力を証明します。
「コース認定」で学習歴時代に備える。
指定された科目を全て習得した方を「コース認定」し、大学からコース修了証書を発行します。学歴だけでなく、何を学んできたかが重要となる学習歴時代に向けても、大学在学中にしっかりと備えることができます。
注)コース認定にはいくつかの要件があります。
すでに多くの学生がAIの可能性を感じ始めています。
”将来つきたい仕事に、AIはどのように活用できる?”か、「社会情報と生活(2019,2020)」の受講学生の皆さんが考えました(受講生の皆さん、ご協力ありがとうございました)。
”将来つきたい仕事に、AIはどのように活用できる?”か、「社会情報と生活(2019,2020)」の受講学生の皆さんが考えました(受講生の皆さん、ご協力ありがとうございました)。
(5) カリキュラム
コース構成
学びやすいことを大切にしました。
学ぶ意欲や関心の高まりに応じた段階的なコース構成。
初めてでも大丈夫。情報副専攻(AI活用エキスパートコース)は、易しい基礎から専門的な内容まで、あなたの意欲や関心に応じて段階的に学べるように設計されています。コースは1年生全員が必ず受講する必修科目から始まります。新入生は入学した仲間と一緒に、まずは1年次に開講している5つの科目を一通り受けてみてください。そしてもっと学んでみたいと思ったら、2年次以降に開講されるより専門的な科目を受講してみましょう。
PICKUP! 科目紹介
特にオススメの科目を動画でご紹介。
(1年後期)プログラミング基礎
マインクラフトなどを活用して、楽しく直感的にプログラミングに必要な考え方や実際のプログラミングを学ぶことができます。
(1年後期)情報技法基礎
問題を見つけ、解決するためのアイデアを考え、その良さを他の人に理解してもらうといった、問題解決の技法を学びます。さまざまな場面で役立つスキルです。
(2年前期)プログラミング発展A
Webアプリ開発コース ※
Webアプリ開発コース ※
「プログラミング基礎」で学んだプログラミングの知識を、実際に応用していく授業です。SafariやGoogle ChromeといったWebブラウザ上で動く「Webアプリ」を制作できるようになることを目指します。
(2年前期)プログラミング発展A
Pythonコース ※
Pythonコース ※
利用者が多く簡単に記述できるプログラミング言語「Python」の基本的な使い方を学びます。実際のデータの分析や可視化に取り組んだ後、学生が自由に課題を設定できるミニプロジェクトに取り組みます。
※ 2021年度に開講した「プログラミング発展A」各コースの内容です。2022年度からは「プログラミング発展A」と「プログラミング発展B」に分かれて開講予定。
2020年度開講の「プログラミングリテラシー」の受講生3名にインタビューを行いました(2021年度からは「プログラミング基礎」として開講)。特に初めてプログラミングを学ぶ方には参考になる内容です。 (インタビューページはこちら)
科目一覧
「入門」「基盤」「専修」3つの科目群で構成されています。
「入門」「基盤」「専修」3つの科目群で構成されています。
入門科目群 (「データサイエンス・AI入門」として”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)"に文部科学省認定)
社会に溢れているデータから価値を引き出すためには、どのような方法があるでしょうか?ヒトが知能を使って行っていることを機械が代替する仕組みがありますが、どうすれば活用できるでしょうか?入門科目では、こうしたデータサイエンスや人工知能に関する基礎的な知識とスキルを実践的に学びます。
全学部の新入生が必修で学ぶ「武蔵野INITIAL」の構成科目でもあります。まずはここから学んでいきましょう。
認定の有効期限:令和8年3月31日まで
【1年前期】データサイエンス基礎(2020年度科目名: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。
【1年前期】人工知能基礎(2020年度科目名: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。
基盤科目群
論理的思考、デザイン思考、データ思考などの情報技法、プログラミングリテラシーなどの基盤的な技法を学びます。
【1年後期】情報技法基礎
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。
【1年後期】プログラミング基礎
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.
【1年後期】メディアリテラシー
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。
【2年前期】情報技法発展A
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。
【2年前期】情報技法発展B
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。
【2年前期】情報技法発展C
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。
【2年前期】プログラミング発展A
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.
【2年前期】プログラミング発展B
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.
専修科目群
機械学習やデータサイエンスの専門的なツールを活用して実社会の問題解決を実践的に学ぶ、コースのコアとなる科目です。
【2年後期】人工知能技術と社会
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。
【2年後期】メディアデザイン
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)
【2年後期】サービスデザイン
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。
【2年後期】機械学習活用1
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.
【2年後期】機械学習活用2
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.
【2年後期】データサイエンス活用1
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.
【2年後期】データサイエンス活用2
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。
【3年前期】人工知能実践プロジェクト
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。
(6) 情報副専攻(AI活用エキスパートコース)で学ぶこと
不確実な時代でも、
幸せに生きていくために。
幸せに生きていくために。
いまこそ「AIを活用できる力」を学んでほしい。
スマートフォンやパソコンなどのコンピュータは仕事や日常生活において欠かせませんが、コンピュータによってあなたが目指している仕事や職業が無くなってしまうかもしれません。現在の大学1年生の多くが社会で活躍する2045年、コンピュータが人間の知能を超える「シンギュラリティ」に到達すると言われており、国内の職業の半分はAIで代替可能という調査結果もあります。
今後、仕事や社会の構造や前提が大きく変わっていく可能性があり、こうした不確実な時代はすでに始まってしまっています。このような時代においても、幸せに生きていってほしい。こうした想いから、AIを様々なことに活用できる力を学ぶ「副専攻 AI活用エキスパートコース」を開設しました。
学科に所属しながら
AIを活用する力が学べます。
AIを活用する力が学べます。
2つの専門を学ぶことで、あなたの可能性は大きく広がります。
これまで、仕事をする上で求められてきたことは、その職業に関する知識やスキルであり、これらは学部や学科に所属して学んできました。強力なコンピュータの存在が当たり前となるこれからの時代では、学科での学びに加えて、AIを様々なことに活用できる力が必要不可欠です。武蔵野大学は様々な学科がありますので、あなたが関心のある分野の知識やスキルを主専攻として学ぶことができます。AIを活用する力は、所属学科に関わらずAI活用エキスパートコースで副専攻として学ぶことができます。
参考:学部 | 武蔵野大学[MUSASHINO UNIVERSITY]
出番の多い力です。
在学中も、就活中も、就職後も。
AIを活用できる力は、さまざまな場面で役立ちます。
AI活用を学ぶことは、将来の備えになるだけではありません。在学中においても、課題や卒業研究を行う際には、効率の良いデータの調査や収集方法を考えることや、よりユニークで優れた制作や研究を行うことに役立つでしょう。就職活動においても、主専攻での経験に加えてAIを活用できる力を持っていることは、非常に強力な武器となります。企業にとっても、AIを活用してこれまで以上に高効率・高付加価値な製品やサービスを社会に提供することが、会社の存続と発展のために必要だからです。学科に所属しているだけでは考えられなかった進路も見えるようになっていきます。就職後は、会社の成長にとって重要な役割を果たしていくでしょう。
「学科での学び」と「AIを活用する力」2つを上手に活用して、社会の問題を解決していける。これが武蔵野大学であなたが得られる力です。AIを活用できる力はあなたの幸せな未来を創り、これからの人生を切り拓く力になります。
(7) 在学生の皆さんへ
重要:副専攻AI活用エキスパートコースの受講を希望する方へ
1年次必修科目「データサイエンス基礎」「人工知能基礎」と1年次選択科目「情報技法基礎」「プログラミング基礎」の4科目全ての単位を修得していることが、コース認定の前提条件となります。
1年次選択科目については人数制限になる可能性がありますので、コース認定に興味のある方は、必ず前期履修登録期間にMUSCATから履修登録してください。
コースの受講方法・認定要件
はじめに、前期履修登録期間にMUSCATで「情報技法基礎」「プログラミング基礎」の履修登録を行ってください。
※ 2021年度入学生の場合「データサイエンス基礎」「人工知能基礎」の履修登録は自動的に行われますが、履修登録を完了する際に「データサイエンス基礎」「人工知能基礎」が含まれていない場合は、必ず履修登録をしてください。2020年度以前入学生の場合は手動での登録となります。忘れないように履修登録をお願いします。
※ 1学期期間に、MUSCATでコース履修について予備調査があります。コースに関する情報が発信されるオンライン上のコミュニティに招待されますので、コースに興味がある方や履修を迷っている方は、積極的に登録を行ってみてください。「データサイエンス基礎」「人工知能基礎」「情報技法基礎」「プログラミング基礎」の4科目の単位修得をしている学生に対して、4学期にMUSCATにてコース履修生を募集します。MUSCATの掲示に沿ってコースへの申し込みを行ってください。
コースへの申し込み完了後、入門・基盤・専修の科目群から「副専攻修了にあたり履修必須な6科目(7単位)」、「副専攻修了にあたり科目を選択して履修必須な5科目(5単位)」の合計11科目(12単位)以上修得するように科目を履修しましょう。これらの条件を満たすよう科目を受講し単位を修得した学生を「コース認定」し、大学より「コース修了証書」を発行します。
各科目の単位数や履修条件に関する詳細は、履修要覧をご確認ください。
情報副専攻コース(AI活用エキスパートコース) – 武蔵野大学履修要覧公式サイト
https://risyuyouran.musashino-u.ac.jp/faculty/curriculum-faculty/ai/
履修上の注意
・1年次必修科目「データサイエンス基礎」「人工知能基礎」と1年次選択科目「情報技法基礎」「プログラミング基礎」の4科目全ての単位を修得していることが、コース認定の前提条件となります。1年次選択科目については人数制限になる可能性がありますので、コース認定に興味のある方は、必ず前期履修登録期間にMUSCATから履修登録してください。
・本コースの対象学生:2021年度以降入学生(データサイエンス学部を除く。)
・履修に関する最新情報は「履修案内 | 武蔵野大学[MUSASHINO UNIVERSITY]」の「履修要覧」をご確認ください。
履修案内 | 武蔵野大学[MUSASHINO UNIVERSITY]
FAQ
Q.情報副専攻(AI活用エキスパートコース)を受講する上で何か条件はありますか?
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。
Q.実際に情報副専攻(AI活用エキスパートコース)を受講するにはどうすれば良いですか?
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。
Q.コースではどのようなことを学ぶのでしょうか?
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。
Q.初心者です。機械やコンピュータもあまり得意ではないのですが、理解できるでしょうか?
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。
Q.情報副専攻(AI活用エキスパートコース)での学びは将来どう役立ちますか?
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.
Q.情報副専攻(AI活用エキスパートコース)科目履修の追加募集について教えてください。(2021年5月17日更新)
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)。
在学生問合せ先
授業内容・コース全般など
「情報副専攻(AI活用エキスパートコース)Yammerグループ」で受け付けています。Yammerにアクセスするには大学のメールアドレスとパスワードでサインインしてください(詳しい参加方法はこちら)。
(8) 本副専攻の運営
共に学ぶ仲間と出会おう。
コース受講生や教員で構成されるコミュニティをオンライン上に用意。
コース受講生の学びを強力にバックアップするため、オンライン上に交流可能なコミュニティを用意します(Microsoft Teamsを活用予定)。コース認定を目指す場合も途中で考えを改める場合も、継続的にサポートしますので、是非活用してください。
情報副専攻(AI活用エキスパートコース)は、武蔵野大学MUSIC(Musashino University Smart Intelligence Center)により運営されています。武蔵野大学は、「数理・データサイエンス教育強化拠点コンソーシアム 」の関東・首都圏ブロックの連携校に加盟しています。
お問合せ(一般・入学予定の方)
MUSIC事務課までお問い合わせください。 musicadm@musashino-u.ac.jp