教育プログラム

本教育プログラムは数理・データサイエンス教育強化拠点コンソーシアムの策定したモデルカリキュラムの分類である「導入」「基礎」「心得」「選択」を網羅し、以下の3つの授業で構成される。

1. 人工知能概論

   • イントロダクション  AIの歴史/ Society5.0/データ駆動型思考/機械学習の種類/シンギュラリティ

   • 社会で活用されているデータ  自動運転/AI倫理/生成AI/ChatGPTの使い方

   • データとは何か  実験データ/行動データ/オープンデータ/ビッグデータ/データの種類

   • AIと医療1  救急医療と人工知能

   • 機械学習とは何か  教師あり学習の手順/深層学習入門

   • AIと医療2  放射線画像解析と人工知能

   • データAIの利活用の現場  アマゾンやネットフリックスなどの企業例、研究例

   • AIと医療3  病理画像解析と人工知能

   • Python入門I  Pythonとは何か/繰り返し(for)/条件分岐(if)/数値積分/ニュートン法

   • Python入門II  配列とは何か/配列の計算/可視化/画像処理/音声処理

   • Python入門III  Pandasを使った統計処理/グラフ化/フーリエ変換

   • Pythonによるシミュレーション  ニュートン方程式などの微分方程式を解く

   • Pythonによる機械学習と分類  パーセプトロン/ロジスティック回帰/決定木

   • Pythonによる文字処理  形態素解析/Wordcloud/暗号化の仕組み/バイオインフォマティクス

   • 深層学習の実際  畳み込みニューラルネットワーク/企業の取り組み

2. 医療情報科学・データサイエンス１

   • パスワードの安全性

　　パスワードの重要性とその管理方法について学ぶ。

• 情報検索と情報源の信頼性

　　効果的な情報検索方法と信頼できる情報源の見極め方を学ぶ。

　　情報漏えいとその対策について学ぶ。

　　ワープロソフトの基本操作を習得する。

• 表計算ソフトの基本操作

　　表計算ソフトの基本操作方法を習得する。

　　公開データ（厚生労働省）の活用方法を学ぶ。

• 尺度

　　質問紙調査の基本と質問紙の作成方法を学ぶ。

• アンケートのフォーム化

　　質問紙調査のデータ化方法を学ぶ。

• 公開データの活用

　　公開データの活用方法とヒストグラムの作成方法を学ぶ。

• データクレンジング

　　データクレンジングの方法と統計分析に向けたデータ型の基本を学ぶ。

　　適合度の検定について学ぶ。

• 箱ひげ図

　　箱ひげ図の作成方法を学ぶ。

• 公開データ（気象庁）の利用と複合型グラフ

　　気象庁の公開データを利用した複合型グラフの作成方法を学ぶ。

• データベースの基礎

　　データベースの基本操作を学ぶ。

• プレゼンテーションソフトの基本操作

　　プレゼンテーションソフトの基本操作を習得する。

• プレゼンテーション資料の作成

　　プレゼンテーション資料作成の注意点を学び、実際に作成する。

• プレゼンテーションの実践

　　作成したプレゼンテーション資料を基に実践練習を行う。

• 線形代数とPython

  1. ベクトル、行列、行列の演算について学ぶ。

  2. 連立一次方程式と行列の簡約化について学ぶ。

  3. 逆行列、行列式、固有値と固有ベクトルについて学ぶ。

  4. 行列の対角化、特異値分解について学ぶ。

  5. 実対称行列と二次形式について学ぶ。

3. 数学

   • 微分積分学の基礎とその自然科学への応用

   • 確率の概念と確率的な見方

   • 連続的確率分布の理解と計算方法（正規分布・カイ2乗分布・t分布・F分布）

   • 標本と統計的な考え方

   • 母平均・母分散・母比率の区間推定の手法

評価方法

基本的に、行動目標に掲げた項目に関するレポートやミニテストを課し、その内容を評価に合算する。数学に関しては中間・期末テストも行い、それらの結果を合算して主たる評価の対象とする。

評価基準

優 ：80点以上。到達目標に十分達している。

良 ：70点以上80点未満。到達目標に概ね達している。もう一歩深く踏み込んだ学習が必要である。

可：60点以上70点未満。到達目標にもう一歩のところであるが、個人による更なる努力を期待して、不合格とはしない。

不可：60点未満。到達目標に達していない。もう一度、初めから当該科目を学習し直す必要がある。