阪南大学では、令和3年度より、全学部全学年の学生を対象とした、応用基礎レベルの数理・データサイエンス・AI教育プログラム「AI データサイエンス応用基礎パッケージ」を実施しています。 また、本プログラムは、文部科学省「数理・データサイエンス・AI教育プログラム認定制度（応用基礎レベル）」に認定されています（認定の有効期限：令和9年3月31日まで）。

本教育プログラムを通じて身につけることができる能力

データサイエンスとして、数学基礎に加え、ＡＩを実現するための概念や知識を習得する。その上で、ＡＩの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にＡＩを活用する際の構築から運用までの一連の流れを知識として習得し、データサイエンス基礎、機械学習・深層学習の基礎と展望」についても学ぶ。それらを受け、データを人や社会にかかわる課題の解決に活用できる人材に関する理解や認識の向上に資する実践の場を通じた学習体験を通じて、データサイエンティストに求められるスキルを修得する。

教育改善・質保証（自己点検・評価）

実施体制

本教育プログラムの実施体制は下記の通りです。
委員会等 役割
教務課長 プログラムの運営責任者
教務委員会
阪南大学AI・データサイエンス教育研究所		 プログラムの改善・進化
大学教育センター長 プログラムの自己点検・評価

実施科目と学習内容

本教育プログラムの実施科目は下記の6科目です。
※6科目とも全学部全学年が履修可能な科目であり、正規課程内において設置されています。
　＜修了要件＞
　・下記6科目（12単位）を修得することで認定証を交付します。
実施科目 学習内容
AIデータサイエンス総論(別)教養演習２ａ AI・データサイエンスを概観し、そののち各論として具体的な適用例を通じて、データの活用などの技術的側面に加えて、社会への影響、倫理的側面などを幅広く学ぶ。
AI・データサイエンス入門１ ・AIサービスを使用したアクティブラーニングでAIの概要を理解する。 ・各種AIサービスへ様々なタイプのデータを入力し、それに対する結果を分析する事で、その特性を把握する。
・AIサービスをシステムに組み入れるプログラミングを実習し、AIサービスの活用手法を理解する。またこれに必要なPython言語の基礎的なプログラミング手法を実習する。
・自身の専門分野で役立つAIを活用したシステムを、グループワークで立案する。
AI・データサイエンス入門２
AI数学入門 AIやデータサイエンスを学ぶための数学的準備科目です。AIやデータサイエンスで必要な数学は，主として統計・微分・線形代数です。これらを修得するため、PC教室を使い，毎回PCを使って学習を進める。
AI・データサイエンス基礎１ 本講座では、以下のようなデータサイエンティストに求められるスキルを学ぶ。
1. コンピュータサイエンス：ビッグデータを収集、加工、分析するためのプラットフォームを構築する
2. データ分析：適した統計手法やモデリングによってデータを処理・分析する（データマイニング）
3. ビジネス：企業の戦略、課題、外部環境などを把握した上で的確な指標を選定しデータ分析結果を評価する
　本講座はこれらについて、特に応用面については 2 のデータ分析、すなわちデータマイニング技術を中心に学ぶが、1，3 についても時間の許す限り取り上げる。基礎知識としてデータ分析のための最低限必要な数学（線形代数）を学び、データマイニングについてはR言語によるプログラミングを通じてデータを具体的に処理する演習を通じて実践力を養う。
AI・データサイエンス基礎２ 本講座では、AI・データサイエンス基礎１の内容を理解していることを前提にして、以下のようなデータサイエンティストに求められるさらに高度なスキルを学ぶ。
1. コンピュータサイエンス：ビッグデータを収集、加工、分析するためのプラットフォームを構築する
2. データ分析：適した統計手法やモデリングによってデータを処理・分析する（データマイニング）
3. ビジネス：企業の戦略、課題、外部環境などを把握した上で的確な指標を選定しデータ分析結果を評価する
本講座はこれらについて、特に応用面については 2 のデータ分析、すなわちデータマイニング技術を中心に学ぶが、1，3 についても時間の許す限り取り上げる。基礎知識としてデータ分析のための最低限必要な数学（微分）を学び、データマイニングについてはR言語によるプログラミングを通じてデータを具体的に処理する演習を通じて実践力を養う。

モデルカリキュラムとの対応

本プログラムを構成する授業の内容概要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（応用基礎レベル）」の3つの基本的用紙とモデルカリキュラムの各項目に下表のとおり対応しています。
授業に含まれている内容・要素 講義内容 授業科目
（１）データサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎（統計数理、線形代数、微分積分）」に加え、ＡＩを実現するための手段として「アルゴリズム」、「データ表現」、「プログラミング基礎」の概念や知識の習得を目指す。 1-6 統計の基礎／AI・データサイエンスと統計、 ニューラルネットワークのモデルと微分の必要性／微分係数，導関数、 AI・データサイエンスにおける線形代数の必要性／ベクトルとは？ AI数学入門
1-7 ・基礎プログラミング実習
・Rプログラミング（アルゴリズム入門） 		AI・データサイエンス入門1
AI・データサイエンス基礎1
2-2 ・基礎プログラミング実習
・Rプログラミング（データの表現と構造） 		AI・データサイエンス入門1
AI・データサイエンス基礎1
2-7 ・基礎プログラミング実習
・Rプログラミング（プログラミングの基礎） 		AI・データサイエンス入門1
AI・データサイエンス基礎1
（２）ＡＩの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にＡＩを活用する際の構築から運用までの一連の流れを知識として習得するＡＩ基礎的なものに加え、「データサイエンス基礎」、「機械学習の基礎と展望」、及び「深層学習の基礎と展望」から構成される。 1-1 ・データサイエンス⊇データマイニング
・総論（AIデータサイエンスとは） 		AIデータサイエンス総論
AI・データサイエンス基礎1
1-2 ・データエンジニアリング AI・データサイエンス入門2
AI・データサイエンス基礎2
2-1 ・AI入門: AIとはなにものか、AIの歴史、AIが出来ること
・人工知能の歴史 		AI・データサイエンス総論
AI・データサイエンス基礎2
3-1 ・AI入門: AIとはなにものか、AIの歴史、AIが出来ること
・人工知能の歴史 		AI・データサイエンス総論
AI・データサイエンス基礎2
3-2 ・AIと働くということ（文系AI）、感染爆発と戦うAI:AI・データサイエンスの総合的取り組み AI・データサイエンス総論
3-3 ・AI入門: AIとはなにものか、AIの歴史、AIが出来ること
・ニューラルネットワーク 		AI・データサイエンス総論
AI・データサイエンス基礎2
3-4 ・AI入門: AIとはなにものか、AIの歴史、AIが出来ること
・ニューラルネットワーク 		AI・データサイエンス総論
AI・データサイエンス基礎2
3-9 ・データエンジニアリング(システムの構築と運用) AI・データサイエンス基礎2
（３）本認定制度が育成目標として掲げる「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。応用基礎コアのなかでも特に重要な学修項目群であり、「データエンジニアリング基礎」、及び「データ・ＡＩ活用 企画・実施・評価」から構成される。 Ⅰ 　あらゆる分野での活動を支えているコンピュータシステムは、機械学習タイプの新たなAI（人工知能）が中心技術として注目されるようになった。このAIについて理解し、AIを活用する事でそれぞれの専門分野のどのような問題が解決出来るのかを、検討・企画・立案できる人材が求められている。 　様々な機械学習AIサービスを多く使用し、システムへの組み込みを体験する。この過程で様々なタイプのデータをAIに与えて結果を検討し、AIサービスの特性を分析できるようになる。これによりAIを用いたシステムの概要を理解し、自身の専門分野での問題を解決するAI活用システムを立案できるようになる。　 「AI・データサイエンス入門1、2」 AI・データサイエンス入門1
AI・データサイエンス入門2
Ⅱ 今日のインターネット社会における最先端技術とは、インターネットに刻々と蓄積されていくビッグデータを分析し活用する技術、すなわちAI技術とデータサイエンスです。本講座では、ビッグデータ時代をうまく乗りこなすためのAI・データサイエンスの諸技術について、多くの演習を通じて実践力を習得することを目指します。以下のようなデータサイエンティストに求められるスキルを学びます。
1. コンピュータサイエンス：ビッグデータを収集、加工、分析するためのプラットフォームを構築する
2. データ分析：適した統計手法やモデリングによってデータを処理・分析する（データマイニング）
3. ビジネス：企業の戦略、課題、外部環境などを把握した上で的確な指標を選定しデータ分析結果を評価する 「AI・データサイエンス基礎1、2」		 AI・データサイエンス基礎1
AI・データサイエンス基礎2