教育プログラム

行動目標

1. データ思考がなぜ重要なのかを説明できる。

2. Society5.0 という言葉について説明ができる。

3. AI の歴史（第1 次、第2 次、第3 次）について説明ができる。

4. カーツワイルのシンギュラリティについて説明ができる。

5. データにはどのような種類があるか、1 次、2 次データとは何か説明できる。

6. Python の簡単なプログラミングができる。

7. データを用いたシミュレーションについて説明ができる。

8. 画像処理や音声処理の仕組みについて説明ができる。

9. ビッグデータについて説明ができる。

10. データサイエンスのサイクルについて説明ができる。

11. データAI の利活用領域について具体例を挙げて説明ができる。

12. データAI の最新動向について説明ができる。

13. 人工知能と医療・医学との関係について説明ができる。

14. 人工知能に関する総合的な議論、発表ができる。

15. コンピュータのハードウェア・ソフトウエアの役割と位置付けを理解し、適切な操作ができる。

16. ワープロ、表計算、プレゼンテーションなどの主要アプリケーションの基本操作ができる。

17. 表計算ソフトとデータベースソフトの違いを説明できる。

18. 表計算ソフトを用いてデータをまとめ、表、グラフによる可視化ができる。

19. ヒストグラム、棒グラフ、折れ線グラフ、散布図など基本的なグラフの作成ができる。

20. 表計算ソフトを利用して、簡単なデータスクリーニングができる。

21. 情報検索サービスを利用して適切な情報検索ができる。

22. 電子メールを利用して適切なコミュニケーションができる。

23. インターネットシステムの概要、問題点、危険性、使用上のマナーを説明できる。

24. 大学内学術ネットワーク・インターネットの双方について、情報倫理を含む基本的な事項を理解し、安全にかつ適切に利用することができる。

25. 情報セキュリティとユーザ認証について基本事項を理解し、適切に利用できる。

26. コンピュータウイルス感染とそれに付随して起こりうるトラブルを理解し、説明できる。

27. 確率の様々な定義(算術的・統計的・幾何的・公理的)を説明できる。

28. 条件付確率とベイズの定理を説明できる。

29. 離散的及び連続的確率変数と確率密度関数、期待値・分散に関して説明できる。

30. 様々な確率分布(二項分布・ポアソン分布・正規分布・指数分布、等)を説明できる。

31. 大数の法則・中心極限定理を説明できる。

32. 母平均・母比率・母分散、等の区間推定に関する種々の手法を説明できる。

33. 様々なデータの表現方法(視覚的表現としてのヒストグラム・箱髭図と、数値的表現としての平均値と分散)を適切に使い分けることができる。

34. 2 変量間の散布図と相関係数、回帰直線の違いを説明できる。

35. 相関関係と因果関係の違い、疑似相関、潜在変数といった概念を説明できる。