国立音楽大学

【2025年度申請予定】数理・データサイエンス・AI教育プログラム（仮称）

※本教育プログラムは、文部科学省が設置する「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）」に申請予定です。

プログラムの学修成果（学生等が身に付けられる能力等）

  • いわゆるAIと呼ばれる分野とデータサイエンスの基礎を理解する。

  • 現代社会において必須と言えるAIとデータサイエンスの基礎を理解し、現代社会における使い方や応用例を正しく理解できるようになる。

修了要件

必修の基礎科目「AI・データサイエンス」の単位（2単位）を修得すること。

モデルカリキュラムとの対応

授業に含まれている内容・要素  講義内容
（１）現在進行中の社会変化（第4次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついている  1-1　

  • ビッグデータ、IoT、AI、生成AI、ロボット

  • データ量の増加、計算機の処理性能の向上、AIの非連続的進化

  • 第4次産業革命、Society 5.0、データ駆動型社会
1-6

  • AI最新技術の活用例（深層生成モデル、強化学習、転移学習、生成AIなど）

  • AI等を活用した新しいビジネスモデル（シェアリングエコノミー、商品のレコメンデーションなど）
（２）「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの  1-2

  • 調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど

  • 1次データ、2次データ、データのメタ化

  • データのオープン化（オープンデータ）
1-3
  • データ・AI活用領域の広がり(生産、消費、文化活動など) 
（３）様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出するもの  1-4

  • データ解析：予測、グルーピング、パターン発見、最適化、モデル化とシミュレーション・データ同化など

  • データ可視化：複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化など

  • 認識技術、ルールベース、自動化技術
1-5

  • データサイエンスのサイクル（課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案）

  • 教育、芸術、流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介
（４）活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、AI社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする  3-1 

  • 倫理的・法的・社会的課題（ELSI：Ethical, Legal and Social Issues）

  • 個人情報保護、EU一般データ保護規則（GDPR）、忘れられる権利、オプトアウト

  • データ倫理：データのねつ造、改ざん、盗用、プライバシー保護

  • AI社会原則（公平性、説明責任、透明性、人間中心の判断）

  • データバイアス、アルゴリズムバイアス
3-2

  • 情報セキュリティの3要素（機密性、完全性、可用性）

  • 情報漏洩等によるセキュリティ事故の事例紹介

  • サイバーセキュリティ
（５）実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法に関するもの   2-1

  • データの種類（量的変数、質的変数）

  • データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値）

  • 代表値の性質の違い（実社会では平均値＝最頻値でないことが多い）

  • データのばらつき（分散、標準偏差、偏差値）、外れ値

  • 相関と因果（相関係数、擬似相関、交絡）

  • 母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出）

  • 統計情報の正しい理解（誇張表現に惑わされない）
2-2
  •  データ表現（棒グラフ、折線グラフ、散布図、ヒートマップ、箱ひげ図）
  • データの比較（条件をそろえた比較、処理の前後での比較、A/Bテスト)
  • 優れた可視化事例の紹介（可視化することによって新たな気づきがあった事例など）
2-3

  • データの取得（機械判読可能なデータの作成・表記方法）

  • データの集計（和、平均）

  • データの並び替え、ランキング

※授業内容詳細については、シラバスをご参照ください。

実施体制

 委員会・部会 役割 
 教務委員会  プログラムの改善・進化
 国立音楽大学大学教育研究協議会  プログラムの自己点検・評価

自己点検評価について

PAGE TOP

お問い合わせ・資料請求
学校案内、入学要項などをご請求いただけます
資料請求
その他、お問い合わせはこちらから