データサイエンス概説（必修）・データサイエンス概説演習（選択）
データ駆動型社会が到来しています。データを正しく読み取り、その中に潜む意味を科学的に正しく理解して現状を捉える、その上で大局的で客観的な判断をする、データを適切に可視化して他者を説得し企画を進めるなど、データを自ら正しく解釈し活用する力は、あらゆる場面で欠かせないスキルとなっており、統計学・データサイエンスの最小限の知識や思考力は、今や文科系・理科系問わず全ての学生が備えるべき基本的な素養となっています。これが創生学部で全ての学生にデータサイエンス概説を必修として課している理由です。
今あなたの手元に多数のデータがあり、これを相手と共有したいとします。相手には時間がなく、要するにどうなのか？ データを簡単に１つの値、または２つの値で教えて欲しい、と言われたらどうすればよいか（どの値でこのデータ集団を代表させるのが科学的に適切か）？ から始まり、この講義では、統計学・データサイエンスの入口となる基礎を理解することを目的とし、統計学・データサイエンスが必要とされる背景や、データを取り扱う上で注意すべき事項（倫理的・法的・社会的課題に関連した事項およびセキュリティ等）、統計学・データサイエンスの考え方や仕組みの概要を学びます。
なお、数式を用いて理解を進める数学以外の理系科目や経済学等の文系科目が数学ではないように、統計学・データサイエンスも数学ではありません。数学は適用範囲を定めない高度に一般化・抽象化された学問体系ですが、統計学・データサイエンスは例えば経済学同様、現実の問題に対処するための「実学」です。最も重要なのは、例えば確率の和・積がどんな条件下で可能か、また確率変数、期待値、確率分布、推定、検定といった統計学に特有の考え方、またその測定や観測との対応関係を理解することです。数学的手法に通じていれば理解しやすくなるのは間違いありませんが、数学が使えるから統計学が理解できるとは限りませんし、逆に数学が苦手でも、統計の考え方を理解することは十分可能です。
高校までの学習のクセが残っているからか、よく見られるのは、式が追えない等があるとそこで思考を止めてしまうことなのですが、細かい部分が分からなくても一旦置いておいて、本質部分の考え方を見逃さないよう心掛けて下さい。例えば連続型確率分布の場合には無限や極限、ネイピア数(e)など、数学IIIの学習内容が含まれます。実はこれらは、本質部分の理解には「置いておいて」よい事項です。枝葉部分を見極め、時に捨て去るある種の大胆さは、統計学・データサイエンスに限らず大学以降の学びでは共通して重要な能力とも言え、あとは実践を通して不足する知識を補う、を繰り返して行けば、今後様々な場面で統計学を「活用する力」が身につきます。
また、統計分野は様々な教材が書籍やネット記事として手軽に入手可能です。自分に合ったものを選んで、何となく、でよいのでイメージを持ってから授業に臨むと、理解度が格段に高まると思います。
なお、数学や確率・統計に苦手意識がある場合は、データサイエンス概説演習を併せて履修することをお勧めしております。 
データサイエンス実践A
DX共創コースでは必修、創生学修コースでは選択科目となります。
AI時代において、プログラムは書けるスキルよりも、読めるスキルが大切です。通常の文法を１から積み上げる形とはやや趣向が異なり、「データの可視化」のためのPythonプログラミング、という趣旨で、AIの支援も受けながら実践的に学びを進めて行きます。１＋１＝２、から始まりますが、講義終了時には、Excelでは作成困難な、様々な表現豊かなグラフや図表を作成できるようになります。
受講生からのメッセージ（データサイエンス実践A：一部抜粋）
- プログラミングには興味がなかったけれど、本当に楽しかったです。
- パソコン苦手な私でもなんとかなりました。
- ゴリゴリの文系人間でもあきらめなければ何とか付いていけます。
- プログラミングは訳の分からない文字の羅列との戦いで、一生仲良くなれないと思っていたが、意外と優しいやつだった。
- 高校のプログラミングが苦手だった人も楽しめます。課題を解くときは遊び心が大切！
- 普段ゲームで行うガチャの簡単な仕組みを授業で知れたため確率のプログラムに親近感がわいた。
- データを使ったグラフの作成や身近な事柄を例にしたプログラムなど実践的な力が身につけられます。
- プログラミングスキルはこれからの社会でどんどん必要になるスキルだと思います。将来使わないにしても、知っていて損になることはないと思うので、ぜひ意欲的に取り組んでください！
- プログラミングと最初にきいて専門的で難しいものだと思っていたが、学べば学ぶほどできることが増えていき面白くなる分野だと思った。
- 最初はすごく難しそうに見えるかもしれませんが必ず慣れますし、プログラミングの便利さを実感できると思います。
- プログラミング＝難しい、めんどくさいと始めからハードルを作らずに、とりあえずやってみる！の精神で頑張ってみてほしいです！一見難しそうなコードも、よくよく見てみると案外単純だったりします。
- プログラミングへの苦手意識・抵抗感がなくなった。
- 他の講義と比べてAIを積極的に用いることが新鮮に感じた。
- AIに聞きまくってちょっとずつわかるようになりました！
- AIを駆使する能力が育まれた。
データサイエンス実践B
DX共創コースでは必修、創生学修コースでは選択科目となります。
皆さんの身の回りには、文字情報、画像情報、地理情報等、様々な形のデータがあると思います。HP作成、Wordcloudによる文字データ解析、AIを用いた画像認識、３次元CAD、ビジネスインテリジェンス（BI）ツールなどの様々なデジタル関連技術に実際に触れて視野を拡げると共に、文系・理系問わず、学生それぞれの課題解決においてアプローチの幅を広げます。
受講生からのメッセージ（データサイエンス実践B：一部抜粋）
- データサイエンスと聞くと難しそうに感じるかもしれませんが、実際にツールを使いながら学ぶことで、データを扱う楽しさや新しい発見がある授業だと思います！
- データサイエンス＝数学やプログラミング』という先入観があるかもしれませんが、この講義はデータを使って何が見えるようになるかを体感できる貴重な機会だと思います。社会を捉えるための『新しい目』を手に入れるつもりで、ぜひ挑戦してみてください。
- 文系の方でもあまり苦手意識を持たずに受講してほしいです。興味を持って取り組むことができる分野が見つかると思います。
- 今後、就職をする上で、データサイエンスを操れる人材は確実に重宝される時代になっていくと思うので、皆さん頑張って受講しましょう！
- 今まで難しいと思って避けていたことも、ちょっとしたきっかけで身近に感じ、慣れてくると案外楽しいです。なので、やる前から諦めずにとりあえずやってみてください！
- データサイエンスのイメージが一掃された講義でした。データサイエンスに苦手意識のある方こそ受講してほしいです。
- 実際にデータを扱うことで分かることも多いし、今後の社会に出て役立つことばかりなのでとてもおすすめです。
- 初めて使うツールがあっても、簡単にデータの可視化や分析をすることができます。楽しみながら学ぶことができます！
- 受講前はデータサイエンスというと理系というイメージだったり、自分にはあまり関係のない分野であると思っていたが、QGISやPowerBIを使って実際にデータ分析やマップ作成などを行って、簡単に自分たちでも利用できるツールで様々なデータを扱うことができると学び、データサイエンスを身近に感じるようになった。
- この講義を受講する前は経営学と心理学を中心に学んでいきたいと思っていたが、経営学でより高度に分析するためにデータサイエンスをもっと学んでみたいと思うようになった。また、将来データサイエンスに関わる職種についてみたいとも思った。自分の価値観が大きく変化する講義だった。
- データを扱うことに対して漠然と、難しく自分にはできないのではと考えていたがその認識が大きく変わった。理系の内容だと考えていたがデータをどう扱いそこから課題を解決するかは、理系文系の区別なく必要な能力のように感じている。
- データサイエンスは難しくて自分と関係の薄い学問であると認識していたが、様々なツールに触れていくうちに案外のめり込んでしまい、楽しさを感じた。現代社会ではどんどんデータサイエンスのスキルの需要は増していて、研究者やIT企業だけでなく、一見関係のない職種でも学んでおいて損はない分野なのだと認識が変わった。
- データサイエンスは難しいものというイメージがあり、ハードルが高く感じていました。講義を受け、確かに難しい箇所はありましたがその分うまくいったときの感動はひとしおで、データサイエンスに対する心理的ハードルが低くなりました。
- 3Dモデルの作成はこれまで見てきたものの自分で作れるものという考えがなかったので、作成していて大変面白かった。
- 自分自身は数字を見ることがあまり好きではないのですが、文系でもIT系に進むことができることに驚きました。CADが楽しかったです。
- 外部講師の方が来て、実際に現場でデータサイエンスがどのように使われているか聞けたのがよかった。
データサイエンス実践C
DX共創コースでは必修、創生学修コースでは選択科目となります。
文理を問わずさまざまな学問領域で、定量的／定性的なデータを多様な手法で分析する研究が広く行われています。実際に各分野の研究でデータをどのように取り扱い、活用しているのか、経営学、物理学、生態学、社会学での具体的な事例を通して実践的に学修するとともに、データの活用に関わる倫理・政策等について学びます。
