大学院教育

情報系大学院生向け副専攻型プログラム「データサイエンスコース」

システム情報科学府の情報系専攻(情報学専攻・情報知能工学専攻)に所属する大学院生を主な対象として,高度データサイエンティスト育成のための教育プログラムを開発し提供します.

    • 目的:最先端の理論と実践力を身につけた高度データサイエンティスト(ADS)の育成
    • 教育プログラムの受講を通じ育成する人材像:
      • 単に定型的なデータ解析の手法・ツールを使いこなせるだけでなく,各解析手法の普遍的な原理,境界条件と限界を理解し,あらゆる分野のデータに適切に対応できる柔軟性を身につけた人材
      • 最先端の理論を理解し,データ解析技術の進化に継続的に対応できる背景知識と技術を身につけた人材
    • 修了要件:
      • 指定した科目をすべて修得すること.修了生には修了証を発行
      • 各専攻の修了要件とは独立であることに注意

    カリキュラム

    以下の4つの科目群に分かれます.

    科目群 科目名 概要
    数理科目 確率・統計* データ解析の原理を学ぶための基礎数学科目.
    既存科目にマッピング.(参考マッピング表
    線形代数*
    最適化理論*
    アルゴリズム論*
    基礎科目 機械学習 データ解析の手法を学ぶための情報科学系科目.
    既存科目にマッピング.(参考マッピング表
    データマイニング
    コンピュータ・ビジョン
    先端科目 データサイエンス特別講義 拡充科目「データサイエンス分野」に,それぞれ同名の新規科目として配置
    データサイエンス研修*
    実践科目 データサイエンス技法演習
    データサイエンス実習

    * が付いた科目は,指定した条件を満たせば,対応するシス情の科目を受講しなくても修得を認める.

    数理科目

    <既存科目へのマッピング>(参考マッピング表

    • 「確率・統計」⇒ 「確率統計特論」
    • 「線形代数」⇒ 「線形代数応用特論」
    • 「最適化理論」⇒ 「最適化理論基礎・演習」
    • 「アルゴリズム論」⇒ 「アルゴリズムとデータ構造」

    ※学力認定されれば,データサイエンスコースとしては受講免除
    <学力認定>

    • 学部時に,対応する科目をGP3以上で修得していること
    • 認定希望者は,学部の成績証明書をADS育成室(1006号室,ads-office@inf.kyushu-u.ac.jp)に提出すること
    • 情報学専攻の学生が,「アルゴリズムとデータ構造」のコア科目認定試験に合格した場合も,「アルゴリズム論」を学力認定する

    基礎科目

    <既存科目へのマッピング>(参考マッピング表

    • 「機械学習」⇒ 「機械学習特論」or 「数理科学Ⅰ」
    • 「データマイニング」⇒ 「データマイニング特論」
    • 「最適化理論」⇒ 「最適化理論基礎・演習」
    • 「コンピュータ・ビジョン」⇒ 「パターン認識特論」or「コンピュータ・ビジョン特論」

    ※情報学専攻の学生が「データマイニング特論」のコア科目認定試験に合格しても,データサイエンスコースとしては受講を免除しない.

    先端科目

    「データサイエンス特別講義」(1単位)

    • 学外の著名な研究者を招き,データサイエンスに関連する最新トピックついて講義する.
    • 後期の「情報学/情報知能工学特別講義」の時間帯(昨年度は水・金の3~5限)を利用予定

    「データサイエンス研修」(1単位)

    • インターンシップやシンポジウム・研究会・国際会議等への参加・発表を通して,社会的,学術的な見地から,データサイエンス分野の現状と問題点に関する見識を高める.
    • 「システム情報科学実習」の単位(データサイエンス分野のテーマで修得した場合に限る)をもって修得を認定することができる.

    実践科目

    「データサイエンス技法演習」(2単位)

    • 種々のデータ解析手法の実装と実データへの適用実験を通して,それらの有効性と限界を体得させると同時に,数値解析ツールや最適化ソルバを用いたプログラミング能力を養成する.
    • 夏学期,月曜2限と水曜5限に,ADS育成室(1006号室)内の演習室にて開講予定.

    「データサイエンス実習」(4単位)

    • 企業や自治体から持ち込まれたデータ解析に関するプロジェクト課題にチームとして取り組むことで,データ解析技術と実問題に対する理解を深める.また,成果発表を通して,解析結果の効果的な可視化の技術を養成する.
    • 6月にガイダンスを実施し,詳細を説明する.

    「データサイエンス実習」の流れ(予定)

    1. ADS育成室内の「データ解析よろず相談窓口」が地域企業・自治体からデータ解析のニーズを収集・分析
    2. 合同プロジェクトのテーマ設定
    3. テーマごとにチーム編成
      • 企業・行政側の担当
      • 「データサイエンスコース」受講学生
      • 教員
      • RA
    4. 合同プロジェクトによるPBL: 「データサイエンス実習」
    5. 公開シンポジウムで成果発表

    「データサイエンスコース」登録

    • Moodle 上で「データサイエンスコース」の受講登録をすればよい.
    • 各科目の履修については,シス情の履修登録方法と同じ.

    データサイエンスコース科目

    科目群 科目 DSコース
    必修/選択
    2019年度
    開講時期
    単位数 履修の手引き上の記載箇所
    情報学専攻 情報知能工学専攻
    数理科目 確率・統計 必修* 前期・水3限 2 共通基礎科目 共通基礎科目
    線形代数応用特論 必修* 前期・木3限 2 共通基礎科目 共通基礎科目
    最適化理論基礎・演習 必修* 前期・水3~4限 4 拡充科目(数理学分野) 拡充科目(数理学分野)
    アルゴリズムとデータ構造 必修* 前期・水4限 2 コア科目(計算機分野) 拡充科目(情報学分野)
    基礎科目 機械学習特論 選択必修1 後期 2 アドバンス科目
    数理科学Ⅰ 選択必修1 前期・月3限 2 拡充科目(数理学分野) 拡充科目(数理学分野)
    データマイニング特論 必修 前期・金3限 2 コア科目(人工知能分野) 拡充科目(情報学分野)
    パターン認識特論 選択必修2 前期・水1~2限 3 拡充科目(情報知能工学分野) コア科目
    コンピュータ・ビジョン特論 選択必修2 前期・月3限 2 アドバンス科目(実世界情報処理分野)
    先端科目 データサイエンス特別講義 必修 後期 1 拡充科目(データサイエンス分野) 拡充科目(データサイエンス分野)
    データサイエンス研修 必修* 通年 1 拡充科目(データサイエンス分野) 拡充科目(データサイエンス分野)
    実践科目 データサイエンス技法演習 必修 夏・月2限+水5限 2 拡充科目(データサイエンス分野) 拡充科目(データサイエンス分野)
    データサイエンス実習 必修 通年 4 拡充科目(データサイエンス分野) 拡充科目(データサイエンス分野)

    * の付いた科目は,指定された条件を満たせば,受講を免除