苫小牧工業高等専門学校では、令和2年度以降に本科第1学年に入学するすべての学生に対し、リテラシーレベルの数理・データサイエンス・AI教育プログラムを実施しています。

第1学年入学の全学生が履修する以下の科目により、リテラシーレベルの数理・データサイエンス・AI教育プログラムを実施しています。

地域や世界など現在社会で起きている変化(コンピュータの歴史、情報化の進展、デジタル社会、Society5.0等)を概観し、データやAI、および様々な専門分野の技術が関わっていることや、日常生活や社会活動で様々な種類のデータがあることを学ぶ。合わせて、これらの社会変化やデータ、AIや専門技術などが我々の日常生活や社会活動にどのように組み込まれているかを学び、新たな技術革新やサービス展開および日常生活や社会活動に及ぼす影響を考える。指定された専門分野(専門系)についてグループで調査研究を行い、調査結果をパワーポイントにまとめて発表する。当該授業においては、学生が１台ずつノートPC(BYOD)を使ってWeb検索を行ったり、Microsoft365またはLMSを用いてグループで資料の共有を行う等、コンピュータやインターネットを実際に自分たちで体験・利活用しながら学習を行う。種々のデータが広範な分野に応用されていることを学び、これらの技術が様々な専門分野にまたがっていること、およびその組み合わせで生活が豊かになっていることをグループワークにて調査、発表しディスカッションする。
また、様々な業種の30社から約50名の企業技術者を招き、現代社会の問題を学び、その解決に活用する具体的な技術やデータの種類をエンジニアと一緒にグループワークを行う。グループワークを通じて、現代社会の問題を学び、種々のデータが広範な分野に応用されていることを学ぶ。また、これらの技術が様々な専門分野にまたがっていること、およびその組み合わせで生活が豊かになっていることについて考える。
データを扱う際に必要な原則、法規や倫理について学ぶ。日常生活や社会活動における実例などを通して、これらのデータの活用にあたっての留意事項を考慮することが重要であることを学ぶ。北海道警察との連携協定に基づきサイバーセキュリティセミナーを実施する。
データの代表値、ばらつきや表現の仕方を学び、実データを用いた演習によりデータの特徴を捉える方法を学ぶ。データを実問題へ適用し活用するためのり扱い方や分析方法などを学ぶ。データを特徴づける値の定義や取り扱いを学ぶとともに、Excelでのデータの処理方法、関数の扱い方、グラフの作成法を演習し、可視化したデータから特徴を読むことを実習する。また、ダウンロードしたオープンデータを用いてExcelを活用した表作成とグラフ作成の演習を行う。
Pythonのプログラミング演習を行い、プログラミングでドローンを制御し、データを実際に取得する体験をグループワークで取り組む。また、AIロボットを用いて機械学習を体験する。

産業社会と情報技術(データ、AI技術を含む)、産業界における利用例と社会活動に及ぼす影響について考える。情報技術の基礎となる、数値の表現と取扱い、コンピュータネットワーク、データ通信、コンピュータ制御について学ぶ。
情報セキュリティやその技術などを学び、データを守る上での重要事項を学ぶ。情報通信社会、インターネットの進化や産業の変化を外観し、身近なインターネット社会のコミュニケーションやサービスを題材にして、情報データの取り扱い方法、活用方法の留意事項、情報化社会の権利とモラル、情報セキュリティ管理について学ぶ。
データをコンピュータおよびインターネット上で扱うために必要となる数値の表現と取扱いについて学ぶ。また、フローチャートの記述方法を学び、C言語でのプログラミング演習を行う。

数理・データサイエンス教育拠点コンソーシアムのモデルカリキュラム(リテラシーレベル)と本校の教育プログラム(令和2年度の実績)の対応関係は以下の通りです。

全学生が履修する以下の科目により、応用基礎レベルの数理・データサイエンス・AI教育プログラムを実施しています。

高度情報化社会に対応するために、必要不可欠な基礎的情報技術を習得します。情報化の進展、情報の意義と役割、情報技術に関する基礎的な知識と技術の習得、情報および情報手段を活用する能力と態度の育成を行います。データサイエンス基礎では、以下の到達レベルを目指しています。データサイエンス基礎では、以下の到達目標を設定しています。
・産業社会と情報技術の関り、情報のモラルについて理解し、技術者の社会的責任を認識できる。
・コンピュータや情報技術で用いる数表現を理解し、計算ができる。
・コンピュータ、OS、論理回路、情報通信ネットワーク、コンピュータ制御の基礎事項を理解し、その仕組みについて説明できる。
・情報技術に関する用語を理解し説明できる。

社会で活⽤されているビッグデータを用いたデータ分析を体験する。データやAIを利活用するための技術について理解する。統計の基礎を学び、データを分析することで意味のある情報が得られることを理解する。t検定を用いて仮説の結論を導くことができる。実データを用いた演習を通じてデータの傾向を評価することができる。Pythonで基礎的なプログラムを作成することができる。Pythonを用いてドローン自動操作のPBL課題に取り組むことができる。自分が作ったプログラムの動作を他者にわかりやすく説明できる。情報セキュリティーの基礎的な項目について理解する。AI利活用のための技術や最新動向について説明できる。AIロボットを操作して機械学習のしくみを説明できる。AIの動作原理を他者にわかりやすく説明できる。社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解する。AIを活用した新しいビジネス/サービスを知る。

AI・データサイエンスIでは、第4次産業革命、Society5.0、データ駆動などに関わる現在進行中の社会変革に対応するために必要不可欠な知識・技能、ならびに、それらを実データを用いた課題へ応用するための能力を修得します。データサイエンス、データエンジニアリング、AIに関するリテラシーレベルから応用基礎レベルの知識・技能をカバーし、 自らの専門分野において数理・データサイエンス・AIを応用するための大局的な視点を身に付けます。実データ・実課題など社会での実例を題材として演習や課題を通じて、数理・データサイエンス・AIの適切な活用法を学び、実践的なスキルを修得します。AI・データサイエンスIでは、以下の到達目標を設定しています。
・データサイエンスに関するリテラシーレベルの課題に取り組むことができる。
・データエンジニアリングに関するリテラシーレベルの課題に取り組むことができる。
・AIに関するリテラシーレベルの課題に取り組むことができる。
・データサイエンスに関する応用基礎レベルの課題に取り組むことができる。
・データエンジニアリングに関する応用基礎レベルの課題に取り組むことができる。
・AIに関する応用基礎レベルの課題に取り組むことができる。
・数理・データサイエンス・AIに関する課題を通じて、創造力や課題解決能力を発揮できる。

AI・データサイエンスIIでは、AI・データサイエンスIで修得した知識・技能などをもとに、第4次産業革命、Society5.0、データ駆動などに関わる現在進行中の社会変革に対応するために必要不可欠な知識・技能、ならびに、それらを実データを用いた課題へ応用するための能力を修得します。機械学習、AI、データサイエンスに関するリテラシーレベルから応用基礎レベルの知識・技能をカバーし、自らの専門分野において数理・データサイエンス・AIを応用するための大局的な視点を身に付けます。実データ・実課題など社会での実例を題材として演習や課題を通じて、数理・データサイエンス・AIの適切な活用法を学び、実践的なスキルを修得します。AI・データサイエンスIIでは、以下の到達目標を設定しています。
・機械学習に関するリテラシーレベルの課題に取り組むことができる。
・AI・データサイエンスに関するリテラシーレベルの課題に取り組むことができる。
・機械学習に関する応用基礎レベルの課題に取り組むことができる。
・AI・データサイエンスに関する応用基礎レベルの課題に取り組むことができる。
・数理・データサイエンス・AIに関する課題を通じて、創造力や課題解決能力を発揮できる。

AI・データサイエンスIIIでは、AI・データサイエンスIとAI・データサイエンスIIで修得した知識・技能などをもとに、第4次産業革命、Society5.0、データ駆動などに関わる現在進行中の社会変革に対応するために必要不可欠な知識・技能、ならびに、それらを実データを用いた課題へ応用するための能力を修得します。深層学習、AI、データサイエンスに関するリテラシーレベルから応用基礎レベルの知識・技能をカバーし、自らの専門分野において数理・データサイエンス・AIを応用するための大局的な視点を身に付けます。実データ・実課題など社会での実例を題材として演習や課題を通じて、数理・データサイエンス・AIの適切な活用法を学び、実践的なスキルを修得します。AI・データサイエンスIIIでは、以下の到達目標を設定しています。
・深層学習に関するリテラシーレベルの課題に取り組むことができる。
・AI・データサイエンスに関するリテラシーレベルの課題に取り組むことができる。
・深層学習に関する応用基礎レベルの課題に取り組むことができる。
・AI・データサイエンスに関する応用基礎レベルの課題に取り組むことができる。
・数理・データサイエンス・AIに関する課題を通じて、創造力や課題解決能力を発揮できる。

高度情報化社会に対応するために、必要不可欠な基礎的情報技術を習得します。情報化の進展、情報の意義と役割、情報技術に関する基礎的な知識と技術の習得、情報および情報手段を活用する能力と態度の育成を行います。データサイエンス基礎では、以下の到達レベルを目指しています。データサイエンス基礎では、以下の到達目標を設定しています。
・産業社会と情報技術の関り、情報のモラルについて理解し、技術者の社会的責任を認識できる。
・コンピュータや情報技術で用いる数表現を理解し、計算ができる。
・コンピュータ、OS、論理回路、情報通信ネットワーク、コンピュータ制御の基礎事項を理解し、その仕組みについて説明できる。
・情報技術に関する用語を理解し説明できる。

社会で活⽤されているビッグデータを用いたデータ分析を体験する。データやAIを利活用するための技術について理解する。統計の基礎を学び、データを分析することで意味のある情報が得られることを理解する。t検定を用いて仮説の結論を導くことができる。実データを用いた演習を通じてデータの傾向を評価することができる。Pythonで基礎的なプログラムを作成することができる。Pythonを用いてドローン自動操作のPBL課題に取り組むことができる。自分が作ったプログラムの動作を他者にわかりやすく説明できる。情報セキュリティーの基礎的な項目について理解する。AI利活用のための技術や最新動向について説明できる。AIロボットを操作して機械学習のしくみを説明できる。AIの動作原理を他者にわかりやすく説明できる。社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解する。AIを活用した新しいビジネス/サービスを知る。

AI・データサイエンスIでは、第4次産業革命、Society5.0、データ駆動などに関わる現在進行中の社会変革に対応するために必要不可欠な知識・技能、ならびに、それらを実データを用いた課題へ応用するための能力を修得します。データサイエンス、データエンジニアリング、AIに関するリテラシーレベルから応用基礎レベルの知識・技能をカバーし、 自らの専門分野において数理・データサイエンス・AIを応用するための大局的な視点を身に付けます。実データ・実課題など社会での実例を題材として演習や課題を通じて、数理・データサイエンス・AIの適切な活用法を学び、実践的なスキルを修得します。AI・データサイエンスIでは、以下の到達目標を設定しています。
・データサイエンスに関するリテラシーレベルの課題に取り組むことができる。
・データエンジニアリングに関するリテラシーレベルの課題に取り組むことができる。
・AIに関するリテラシーレベルの課題に取り組むことができる。
・データサイエンスに関する応用基礎レベルの課題に取り組むことができる。
・データエンジニアリングに関する応用基礎レベルの課題に取り組むことができる。
・AIに関する応用基礎レベルの課題に取り組むことができる。
・数理・データサイエンス・AIに関する課題を通じて、創造力や課題解決能力を発揮できる。

AI・データサイエンスIIでは、AI・データサイエンスIで修得した知識・技能などをもとに、第4次産業革命、Society5.0、データ駆動などに関わる現在進行中の社会変革に対応するために必要不可欠な知識・技能、ならびに、それらを実データを用いた課題へ応用するための能力を修得します。機械学習、AI、データサイエンスに関するリテラシーレベルから応用基礎レベルの知識・技能をカバーし、自らの専門分野において数理・データサイエンス・AIを応用するための大局的な視点を身に付けます。実データ・実課題など社会での実例を題材として演習や課題を通じて、数理・データサイエンス・AIの適切な活用法を学び、実践的なスキルを修得します。AI・データサイエンスIIでは、以下の到達目標を設定しています。
・機械学習に関するリテラシーレベルの課題に取り組むことができる。
・AI・データサイエンスに関するリテラシーレベルの課題に取り組むことができる。
・機械学習に関する応用基礎レベルの課題に取り組むことができる。
・AI・データサイエンスに関する応用基礎レベルの課題に取り組むことができる。
・数理・データサイエンス・AIに関する課題を通じて、創造力や課題解決能力を発揮できる。

AI・データサイエンスIIIでは、AI・データサイエンスIとAI・データサイエンスIIで修得した知識・技能などをもとに、第4次産業革命、Society5.0、データ駆動などに関わる現在進行中の社会変革に対応するために必要不可欠な知識・技能、ならびに、それらを実データを用いた課題へ応用するための能力を修得します。深層学習、AI、データサイエンスに関するリテラシーレベルから応用基礎レベルの知識・技能をカバーし、自らの専門分野において数理・データサイエンス・AIを応用するための大局的な視点を身に付けます。実データ・実課題など社会での実例を題材として演習や課題を通じて、数理・データサイエンス・AIの適切な活用法を学び、実践的なスキルを修得します。AI・データサイエンスIIIでは、以下の到達目標を設定しています。
・深層学習に関するリテラシーレベルの課題に取り組むことができる。
・AI・データサイエンスに関するリテラシーレベルの課題に取り組むことができる。
・深層学習に関する応用基礎レベルの課題に取り組むことができる。
・AI・データサイエンスに関する応用基礎レベルの課題に取り組むことができる。
・数理・データサイエンス・AIに関する課題を通じて、創造力や課題解決能力を発揮できる。

全学生が履修する以下の科目により、応用基礎レベルの数理・データサイエンス・AI教育プログラムを実施しています。

どんなデータが集められ、どう活用されているかを知る。情報化社会に必要なモラルや著作権、情報セキュリティ管理の概要について理解し説明できる。プログラミング言語の概要について説明できる。問題分析とフローチャートの記述方法について理解し活用できる。フローチャートの分岐記述方法について理解し活用できる。フローチャートの繰返し記述方法について理解し活用できる。初歩的なプログラミングの手順を理解し説明できる。初歩的なプログラミングができる。

社会で活⽤されているビッグデータを用いたデータ分析を体験する。データやAIを利活用するための技術について理解する。統計の基礎を学び、データを分析することで意味のある情報が得られることを理解する。t検定を用いて仮説の結論を導くことができる。実データを用いた演習を通じてデータの傾向を評価することができる。Pythonで基礎的なプログラムを作成することができる。Pythonを用いてドローン自動操作のPBL課題に取り組むことができる。自分が作ったプログラムの動作を他者にわかりやすく説明できる。情報セキュリティーの基礎的な項目について理解する。AI利活用のための技術や最新動向について説明できる。AIロボットを操作して機械学習のしくみを説明できる。AIの動作原理を他者にわかりやすく説明できる。社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解する。AIを活用した新しいビジネス/サービスを知る。

次世代社会での工学におけるIoTの重要性および、通信技術やマイコンの役割を理解できる。Arduinoプログラムの基礎となる変数、制御文、関数などについて理解しできる。

工学におけるデータサイエンスの重要性について理解できる。基礎的なデータ解析手法について理解できる。基礎的なデータ解析手法を用いて、自ら得た情報を解析することができる。社会や各専門分野において存在する情報セキュリティリスクを理解できる。

指数関数を理解し、指数方程式・指数不等式を解くことができる。対数関数を理解し、対数方程式・対数不等式を解くことができる。

集合の基礎概念を理解し、演算ができる。標準形で表された２次関数のグラフを書くことができる。べき関数、偶関数と奇関数の性質、グラフの平行移動を理解する。

簡単な場合について、関数の極限を求めることができる。微分係数の意味や、導関数の定義を理解し、導関数を求めることができる。積・商の導関数の公式を用いて、導関数を求めることがができる。三角関数の導関数を求めることができる。指数関数の導関数を求めることができる。合成関数・対数関数の導関数を求めることができる。関数の増減表を利用して、極値を求め、グラフの概形を描くことができる。極値を利用して、関数の最大値・最小値を求めることができる。高次導関数を求めることができる。2次の導関数を利用して、グラフの凹凸を調べることができる。不定積分の定義を理解し、簡単な不定積分を求めることができる。定積分の定義を理解し、簡単な定積分を求めることができる。不定積分の定義を理解し、簡単な不定積分を求めることができる。置換積分用いて、不定積分や定積分を求めることができる。不定積分、定積分の部分積分法を理解し、積分計算に応用することができる。

積の法則と和の法則を利用して、簡単な事象の場合の数を数えることができる。簡単な場合について、順列の計算ができる。簡単な場合について、組合せの計算ができる。ベクトルの定義を理解し、ベクトルの基本的な計算(和・差・定数倍)ができ、大きさを求めることができる。平面ベクトルの成分表示ができ、成分表示を利用して簡単な計算ができる。平面ベクトルの内積を求めることができる。ベクトルの平行・垂直条件を利用して問題を解くことができる。平面ベクトルの線形独立を理解し、それに関する問題が解ける。空間ベクトルの成分表示ができ、成分表示を利用して簡単な計算ができる。空間ベクトルの内積を求めることができる。行列の定義を理解し、行列の和・差・スカラーとの積を求めることができる。行列の積を求めることができる。逆行列の定義を理解し、2次の正方行列の逆行列を求めることができる。消去法を用いて連立方程式を解くことができる。行列の階数を求めることができる。

2変数関数の定義域と値域を理解し、2変数関数の曲面を求めることができる。偏導関数を計算することができる。全微分の意味を理解し、関数の全微分を計算することができる。合成関数の微分法を用いて、関数を微分及び偏微分することができる。第2次偏導関数を求めることができる。2変数関数の極大・極小を判定することができる。2重積分を累次積分に直して計算することができる。累次積分の積分順序の変更をすることができる。２重積分を用いて基本的な図形の体積を求めることができる。極座標による２重積分を計算することができる。変数変換することによって２重積分を計算することができる。

定義に基づいて行列式を計算できる。行列式の性質を利用して行列式を計算できる。行列式を展開して行列式の値を求めることができる。任意の行で行列式を展開して、行列式の値を求めることができる。余因子行列を利用して、簡単な逆行列を求めることができる。余因子行列を利用して、逆行列を求めることができる。クラメルの公式を利用して連立１次方程式を解くことができる。行列式を利用して、特定の解を持つ連立方程式を求めることができる。行列式を使用して、平行四辺形の面積を求めることができる。線形性を利用して、線形変換の像を求めることができる。合成変換と逆変換を表す線形変換を求めることができる。行列の固有値を求めることができる。簡単な行列の固有ベクトルを求めることができる。行列の固有値と固有ベクトルを求めることができる。固有値と固有ベクトルを用いて、行列を対角化することができる。行列が対角化可能か判定できる。対称行列を直交行列により対角化することができる。条件付き確率を求めることができる。確率の乗法定理を用いることができる。事象の独立に関する確率を求めることができる。ベイズの定理に関する確率を求めることができる。２次元データに対して、共分散、相関係数を求めることができる。度数分布表から平均や中央値を求めることができる。分散や標準偏差を計算することができる。四分位数、四分位範囲、外れ値を求め、箱ひげ図を書くことができる。２次元データに対して、回帰直線を求めることができる。２次元データに対して、最小二乗法を用いて回帰直線を求めることができる。

どんなデータが集められ、どう活用されているかを知る。情報化社会に必要なモラルや著作権、情報セキュリティ管理の概要について理解し説明できる。プログラミング言語の概要について説明できる。問題分析とフローチャートの記述方法について理解し活用できる。フローチャートの分岐記述方法について理解し活用できる。フローチャートの繰返し記述方法について理解し活用できる。初歩的なプログラミングの手順を理解し説明できる。初歩的なプログラミングができる。

社会で活⽤されているビッグデータを用いたデータ分析を体験する。データやAIを利活用するための技術について理解する。統計の基礎を学び、データを分析することで意味のある情報が得られることを理解する。t検定を用いて仮説の結論を導くことができる。実データを用いた演習を通じてデータの傾向を評価することができる。Pythonで基礎的なプログラムを作成することができる。Pythonを用いてドローン自動操作のPBL課題に取り組むことができる。自分が作ったプログラムの動作を他者にわかりやすく説明できる。情報セキュリティーの基礎的な項目について理解する。AI利活用のための技術や最新動向について説明できる。AIロボットを操作して機械学習のしくみを説明できる。AIの動作原理を他者にわかりやすく説明できる。社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解する。AIを活用した新しいビジネス/サービスを知る。

次世代社会での工学におけるIoTの重要性および、通信技術やマイコンの役割を理解できる。Arduinoプログラムの基礎となる変数、制御文、関数などについて理解しできる。

工学におけるデータサイエンスの重要性について理解できる。基礎的なデータ解析手法について理解できる。基礎的なデータ解析手法を用いて、自ら得た情報を解析することができる。社会や各専門分野において存在する情報セキュリティリスクを理解できる。