地方の国立大は首都圏に分校を！｜掲示板スレッド

混同されないように、念のため、、

プログラミングとデータサイエンスは、別物です。

ただ、現職データサイエンティストの方の殆どはプログラミングが出来ると（どちらもこなせる）

データ・サイエンティストの役割に関しては、どの組織にも共通する確たる職務内容が決まっているわけではありません。
しかし、以下に示すような職務は担当する可能性が高いでしょう。
・ 統一性のない大量のデータの収集と、より利用しやすいフォーマットへの変換
・ ビジネス課題をデータ主導型の手法を用いて解決
・ SAS、R、Pythonを含む幅広いプログラミング言語による作業
・ 統計情報の的確な理解（統計的検定と統計的分布を含む）
・ 分析手法に関する最新動向の把握（機械学習、ディープ・ラーニング、テキスト・アナリティクスなど）
・ IT部門および業務部門とのコミュニケーションとコラボレーション
・ データに潜む秩序やパターンの発見と、ビジネスの最終利益に寄与する傾向の特定

以下の用語やテクノロジーはデータ・サイエンティストが共通して使用するものです。
・ データ・ビジュアライゼーション（データ視覚化）：データ分析の結果を容易に把握できるようにするために、図形やグラフィックの形式で表現します。
・ 機械学習：人工知能の一系統であり、数学的アルゴリズムと自動処理という2つの技術にもとづきます。
・ ディープ・ラーニング：機械学習に関する研究の一領域であり、データを利用して複雑な抽象概念をモデル化します。
・ パターン認識：データ内のパターンを認識するテクノロジーです（多くの場合は機械学習と同じ意味で使われます）。
・ データ準備：生データを別のフォーマットに変換して、分析作業で利用しやすくするプロセス。
・ テキスト・アナリティクス：非構造化データを調べて重要なビジネス・インサイトを導き出すプロセス。

ほとんどのデータ・サイエンティストはデータ分析担当者や統計担当者としての経験がありますが、ビジネスや経済学などIT系ではない分野の出身者もいます。このように幅広い経歴の社会人たちは、どのようにしてデータ・サイエンスという同じ分野に集まってくるのでしょうか？ここで重要なのは、課題解決の手腕、優れたコミュニケーション能力、物事の仕組みに関する飽くことのない好奇心など、共通の資質に注目することです。
また、こうした資質とは別に、以下のような領域について一定以上の理解があることも必要です。
・ 統計と機械学習
・ SAS、R、Pythonなどのコーディング言語
MySQLやPostgresなどのデータベース
・ データ・ビジュアライゼーションとレポーティングのテクノロジー
・ HadoopとMapReduce.

・ MySQLやPostgresなどのデータベース

・ を打ち忘れ

追加しておきます。

データ・サイエンティストとしての職を得る前に、その企業や組織について、いくつかの点を見極める必要があります。

大量のデータを扱っており、かつ、複雑な課題を解決する必要を抱えているか？データ・サイエンティストを本当に必要としている組織には2つの共通点があります。膨大な量のデータを管理していることと、難しい課題に日常的に直面していることです。典型的なのは、金融、官公庁、製薬などの業種です。
データに価値を置いているか？データ・サイエンティストを雇用する必要があるかどうかの判断には、組織の文化も影響を及ぼします。アナリティクスをサポートする環境が整っているでしょうか？経営幹部の賛同は得られているでしょうか？そうではない場合、データ・サイエンティストへの投資は、資金の無駄遣いにしかなりません。
変化を受け入れる準備ができているか？データ・サイエンティストとして働くようになると、分析にもとづく進言を真剣に受け止めてもらえることを期待し、少しでも自分の仕事が実を結ぶ様子を見たいと考えるでしょう。組織が優れた成果を上げる方法を見つけるために時間を費やすのですから、これは当然のことです。ただし、そうした適切に欲求が満たされるかどうかは、データ・サイエンティストが導き出した知見を積極的に業務に反映させるという点について、組織側の態勢が整っているかどうかに依存します。
データにもとづいてビジネスの意思決定を導くためにデータ・サイエンティストを雇用することは、組織によっては大決断であり、そのような場合は、組織全体の足並みが揃うまでにも時間がかかります。ですから、就業予定先の組織が適切な考え方をしており、かつ、変化を受け入れる準備が整っていることを必ず確認すべきです。

参考まで、こちらもどうぞ。

www.oracle.com/jp/corporate/features/pr/is-the-data-scientist-era-coming-to-an-end/

データサイエンス学ぶ為に、専門の学科が無ければ、何学科？情報かな？

更にもし情報も無ければ、電？

どうなのでしょうね。
個人的には、専門職大学と工学院大学が気になりますけど。
調べてみたら、経営学、経済学…を専攻しながら、オンラインやスクーリングで半年から一年の講座を受講しながら資格取得している場合もありますね。その場合、かなり難関の資格、オラクルプラチナム以上やその他上級資格ではないと意味ない様なアドバイスが各社人事担当者からです。

情報経営イノベーション専門職大学
（2020年4月新設予定　認可申請中）
専門職大学・専門職短期大学／私立大学／東京
東京・墨田区に2020年開学。
情報経営イノベーション学部
情報経営イノベーション学科
2020年4月設置予定(認可申請中)

工学院大学
私立大学／東京
情報学部 > システム数理学科

東京電機大学
私立大学／東京・埼玉
システムデザイン工学部
情報システム工学科

日本大学
私立大学／東京・福島・千葉・神奈川・静岡
理工学部 > 応用情報工学科

麗澤大学
私立大学／千葉
経済学部 > 経営学科
ＡＩ・ビジネス専攻
2020年4月名称変更

京都産業大学
私立大学／京都
理学部 > 数理科学科
情報理工学部

武蔵野大学
私立大学／東京
データサイエンス学部
データサイエンス学科

京都女子大学
私立大学／京都
現代社会学部 > 現代社会学科
情報システム専攻

高千穂大学
私立大学／東京
経営学部 > 経営学科
情報コース

武蔵野美術大学
私立大学／東京
造形構想学部
クリエイティブイノベーション学科

大和大学
私立大学／大阪
2020年4月「理工学部」開設予定
理工学部 > 理工学科
情報科学専攻
2020年4月設置予定(構想中)

関西学院大学
私立大学／兵庫
理工学部
情報科学科

九州大学
国公立大学／福岡
共創学部

広島大学
国公立大学／広島
情報科学部

滋賀大学
国公立大学／滋賀
データサイエンス学部

横浜市立大学
国公立大学／神奈川
データサイエンス学部

こりゃ、私大文系専願は大変だな。