都立高校からの大学受験事情｜掲示板スレッド

皆さんは、理解していると思うけど？

例えば教育業界において、教師がデータサイエンスを使用することは、学習の質を向上させ、教育の個別化を実現するための重要な手段となっています。

具体的には、

・学習履歴の分析
生徒の学習履歴データを分析し、個々の生徒に合わせた指導

・ラーニングアナリティクス
学習効果を向上させる要因をデータから分析し、より効果的な教育方法を見つけ出す

・教育ビッグデータの活用
蓄積された教育データを分析することで、学習法の新たな知見を創出し、教育政策への反映


簡単に言えば、今まで教師が「長年の勘」でやってきたことを、見える化、データ化して役立てるための素養。

大卒の８割にデータサイエンスリテラシーレベルの素養が必要なのは、どの職種でもデータサイエンスが関わってくるからですよね。

リテラシーレベルのデータサイエンスなら、もうAI利用のレベルと大して変わらないので、今の時点から、あえて大学で学ぶことは不要でしょう。
データサイエンスを学ぶぐらいなら、統計を学んだ方がいいですよ。

日本の大学は、「データサイエンス」という言葉に振り回され過ぎなんですよ。
まともに教えられる人材も少ないのに、看板だけ上げてどうする？という感じです。
また、学んでもいずれAIに置換される知識が多いので、すでにガラパゴス化し始めています。

ですから、データを扱って仕事をするなら、基本の統計を学んだ方がずっといいのです。
統計は、データを使うための考え方・根本を学ぶことができます。また、「解釈性」を高めることが可能です。
データサイエンスは、「精度」が高いことが大きな特徴ですが、この部分はAIまかせでどうにでもなる状況が近づいてきました。
ですから、「解釈性」が高められる統計の方が、意味があるのです。

もちろん、コアのデータサイエンティストは、今後もニーズはあります。
また、大学で、AIを含めて学ぶ意味もあります。
さらに言えば、よりハードウェアよりのデータサイエンティストは今後も不足し続けるでしょう。

意味がないのは、薄っぺらいリテラシーレベルのデータサイエンス、ということです。
ソフトウェア寄りのデータサイエンティストも、今はまだ需要がありますが、この先10年後を考えると、次第に一部のエリートサイエンティスト以外は、仕事の機会をAIに奪われる可能性があります。

データサイエンティストを仕事として選んで、ある程度ニーズのある状況で長期間働きたいと思ったら、今はハードウェア寄りのサイエンティストになるのが一番でしょう。
例えば、大学、大学院で、センサー関係の技術を学んで、その知識を活かしてセンサー＆データサイエンスのスペシャリストになる、というような考え方なら、少なくとも、40歳ぐらいまでは安泰だと思います。
スペシャルな技術、知識を持っていなくても、ある程度一般的な能力で生き残れる可能性があります。

感想文は意味ないよ

＞データサイエンスを学ぶぐらいなら、統計を学んだ方がいいですよ。



カリキュラムをみればわかりますが、統計学を含めたデータサイエンスですよね。

それに、データサイエンスカリキュラムにPythonのプログラミングが入っているのは、AIを使用するためのプログラム言語だから。

統計学と被るところはありますが、「経営学✕データサイエンス」など、自分の専門分野とデータサイエンスを兼ね備える人材になるための文科省認定ですよ。

＞ところで、慶應は、早稲田の様に文科省のDSカリキュラムの認定は、どうなっているのでしょう？


ざっとググったところ、慶應のDS認定は、ヒットしませんね。
私大の雄同士で早稲田との比較も出来ず、
まぁ、私大の代表としての修了率は、早稲田基準しかない。

＞カリキュラムをみればわかりますが、統計学を含めたデータサイエンスですよね。

ですから、リテラシーレベルのプログラミング知識など、何も必要ないので、統計だけで十分だという意味です。

「データサイエンス」に踊らされているのは、国も大学も一緒で、必要ないものまで学ばせようとしている点で、意味がないのです。

ハードウェア寄りとアプリ寄りの違いがわかりませんでした
データサイエンスはいずれアプリで実現するものなので、基本全てアプリ寄りの様な気がします

データサイエンスに基づき要件定義も含めアプリや環境を構築する開発サイドか、既成のアプリを利用してデータ分析を行うユーザサイドか、ならわかりますが

ただ前者にしても最近はAWSやAzureなどのPaaSで多くの事が実現出来るのでユーザサイドとの垣根は相当低くなっている様に思います

一方で、クラウド、AI、統計学などの知識や経験を統合してコーディネートやアーキテクチャをデザイン出来る人的リソースは今後も不足することが見込まれるので、どのレベル感でも、どの分野でも入口にはあまり拘らず、複合的に価値を生む分野に広げ深掘り出来るチカラがあれば、希少性は保たれそうな気がします

現場は疲弊して新たな知識を貪欲に取り入れる余裕がなく、学生は怠惰な傾向が強く実用的な付加価値を高めることの重要性に気づいていない場合が多そうですからね

根本的に間違っていますね。

統計学とデータサイエンスは密接に関連していますが、統計学はデータを分析し、パターンや傾向を理解するための方法。
一方で、データサイエンスは大量のデータから意味のある情報を見つけ出し、予測や意思決定に役立てる技術。

統計学は主にデータの収集、分析、解釈に焦点を当てた学問であり、データサイエンスはこれらの統計的手法を用いて、より広範な問題解決や意思決定のための洞察を得ることを目的としています。
データサイエンスは、数学や統計学だけでなく、コンピュータサイエンスやドメイン知識など、他の分野の知識も統合しているもの。

要するに、統計学はデータサイエンスの基盤となる学問であり、データサイエンスはその基盤を活用して新たな価値を生み出す分野です。

だから、大学HPなどにも「経営学✕データサイエンス」や「経済学✕データサイエンス」とでている。


＞データサイエンスは、「精度」が高いことが大きな特徴ですが、この部分はAIまかせでどうにでもなる状況が近づいてきました

大量のデータ処理とその処理スピードは、AIの進化と共に向上してきましたが、『AIまかせでどうにでもなる』は、『データサイエンスはその基盤を活用して新たな価値を生み出す分野』の観点からは、的外れです。