最終更新:

4
Comment

【7069752】最近データサイエンスが話題ですが、立正大学DS学部の将来性についてどう思いますか?

投稿者: 未来社会   (ID:.HChA6dcGUk) 投稿日時:2023年 01月 13日 11:59

最近、どこの大学でもデータサイエンス学部を開設していますが、近い将来、仕事において本当にデータサイエンスを駆使できる技能や能力がないと、良い仕事に就けない世の中になるのでしょうか? 
立正大DS学部の将来性についてどのように思いますか?

返信する

管理者通知をする

マイブックマーク

  1. 【7069813】 投稿者: る  (ID:sJTHu8isY06) 投稿日時:2023年 01月 13日 12:40

    データサイエンスも数ある専門分野の一つなのでそれが出来ないとダメということはないですが、これから需要のある仕事ではあるので選択肢としては良いと思います。

    ただ、データサイエンスはガシガシとコードを書いていくエンジニア(高学歴の理工系出身)を除くと、ビジネスへの応用力が今後どんどん重要になってきます。ビジネス上の問題意識を持つことや、数字の意味をよく吟味すること、経営センスを持って課題を設定していく事が大事で、ただ資格試験の様な知識を習得すれば良いという分野ではないことは考慮しておいた方が良いですね。

  2. 【7130294】 投稿者: 7C  (ID:ZwnQ3iNYaJc) 投稿日時:2023年 02月 26日 23:07

    これからの時代はAI(人工知能)などの技術発展を背景に、デジタル技術の利活用が企業にとって事業拡大のカギとなってきます。そういう視点から見ると、データサイエンスの需要は今後益々高まることでしょう。

    ◆立正大学データサイエンス学部の特徴とは

    ・データサイエンスを体系的に学ぶカリキュラム
    ・企業や組織と連携した実践的な学び
    ・多様な分野(ビジネス・社会・観光・スポーツ)でデータ利活用の実績を持つ教授陣による講義

    *ビジネス:ものづくりの現場や市場、流通などの過程で収集されるビッグデータの分析から、新しい視点での問題解決やこれまでにないビジネスモデルを創出する ⇒ Keywords として
    経済学・経営学、マーケティング、金融データ分析、サービス科学、イノベーションマネージメント

    *社会:国に関する統計データをはじめ、様々なデータを活用し、まちづくり、環境問題、医療、教育など、社会が抱える様々な課題の解決や公共政策の立案に貢献する ⇒ Keywords として
    社会調査 / 地域分析、EBPM(証拠に基づく政策立案)、犯罪社会学、リモートセンシング、空間情報システム / 気象データ解析

    *観光:携帯電話の位置情報や購買記録、SNSの投稿など、旅行者に関わる膨大なデータを分析し、新たな観光スポットの開拓やニーズの可視化など、観光産業の発展や地域の活性化につなげる ⇒ Keywords として
    観光経済学、観光統計、観光データ分析、観光マーケティング、スポーツツーリズム

    *スポーツ:AI(人工知能)やIoT(モノのインターネット)などの最先端技術を使って、選手のプレーやコンディションに関するデータを取得・分析し、プレーの質向上や新しい戦術開発を行う事で、スポーツ界をデータサイエンスでさらに発展させる ⇒ Keywords として
    データによる戦術・戦略、コーチング、スポーツモニタリング、トレーニング科学、スポーツアナリティクス

    ◆教育の特色
    ※文理融合型の学びを通じて、実社会で活躍できるデータサイエンティストをめざす!

    ・数理・統計、AI及びプログラミングを基礎からじっくりと学習
    ・データサイエンスの応用(ビジネス・社会・観光・スポーツ)に関する授業が充実
    ・インターンシップやフィールドワークなど、実社会におけるデータサイエンスの利活用を意識した学び
    ・学生全員に1人1台のノートパソコンを貸与し、プログラミング学習やオンライン授業などをサポート

  3. 【7173590】 投稿者: 数学が苦手な人  (ID:x25NlsNxyh.) 投稿日時:2023年 04月 09日 20:04

    ★ データサイエンティストに必要な数学の知識とレベル
     『tech-teacher.jp:数学が苦手でもデータサイエンスをするには?学習すべき内容とは?』より要約

    ◆「データサイエンス」とは、統計学、機械学習やAI(人工知能)、データ分析など、色々な領域の手法を組み合わせて、蓄積された大量のデータから価値を引き出す研究分野のこと。

    ◆データサイエンスに必要な数学の知識
    1.確率・統計学
    ・確率・統計学は、データの持つ性質を調べて活用目的に応じてデータを分析する時に使われる学問のこと。
    2.微分・積分
    ・微分・積分を理解できていれば、機械学習において「ある値が最小(最大)になる部分を計算することができる」ようになる。
    3.線形代数
    ・線形代数の中でも、特に「行列」が重要である。行列とは「同一の性質を持つ情報の要素を縦×横に並べたもの」であり、データの取り扱いが意味のある塊りとして表現できるので取り扱いが用意になり、数値化することで機械(コンピューター)が計算できるようになる。
    4.最適化理論
    ・最適化とは、制約がある中で、複数の選択肢の中から一番効果の高い組み合わせを決めること。この場合、「課題を抱えている人にとっての一番の最適解答」を見出すことが重要になる。

    ◆データサイエンスと数学の関係
    データサイエンスは次のようなプロセスでデータを解析していく

    1.ビジネスの理解と課題の定義
    まずは、対象となるビジネスを理解することから始まる。そして現在抱えている解消するべき課題を定める。 ここが明確になればなるほど、「どのようなデータを収集するべきなのか」「集めたデータをどのような切り口で加工するべきなのか」というようにデータを取り扱う後続のプロセスでの道標となる。

    2.データマイニング
    ・収集された大量のデータから、どのデータに注目して使えるように加工していくのかを定義し、対象となるデータを探し当てる工程のこと。

    データマイニングには2種類ある。このプロセスでは数学の知識、特に分析手法が関係してくる。
    *データマイニング(1)仮説検証型
    ・探し出すデータが定まっており、例えば購入される商品の量やお客の反応を推測したり、そのためにお客を分類したりするもの。ここでは「回帰分析」「クラスタリング」という分析手法が用いられる。
    *データマイニング(2)知識探索型
    ・探し出したデータが定まっておらず、与えられたデータからルールやパターンを見つけ出していくもの。「アソシエーション分析」という分析手法が用いられる。
    ・これらの手法を用いて、データの中に隠れている一連のルールを式として表現した「モデル」を作成する。モデルを参照して予測を生成していく。

    3.機械学習
    ・機械学習とは、データの予測や分類を行うためのモデル作成を、機械(コンピューター)によって自動的に行う技術のこと。今までは機械に作業させようとするならば、人間が機械に対して毎回命令を与える必要があった。しかし機械学習といわれる分野では、機会が自分で膨大なデータを読み込み、機械自らがルール、パターンを学習していく。
    ・機械学習はAI(人工知能)が支えており、【統計学】、【微分・積分】、【線形代数】」といった数学の知識が必要になってくる。
    ※機械学習は前述したデータマイニングと類似している。
    ・データマイニングは主に人間が行う・
    ・機械学習はその名の通り機械が行う。
    ・データマイニングにより明らかにされた過去のデータ分析結果を、機械に学習させて将来の予測を算出する。という併用活用をすることもできる。

    4.課題解決手段の可視化とアクション決定
    ・企業やビジネス上で抱えている課題に対して、データの中から解消に有効となり得る価値ある情報を「データマイニング」と「機械学習」によって見つけ出すことができました。
    ・得られた価値ある情報を活用して、課題解消手段を立案し実際のアクションに落とし込んでゆくプロセスです。 データサイエンスの本来の目的は、課題を解決し、企業活動や我々の生活をより豊かで便利、活発にしていくことにあります。

    ◆数学の苦手を克服してデータサイエンスに挑戦するロードマップ!
    *ステップ1:微分・積分と線形代数を、入門レベルの参考書で学ぶ
    *ステップ2:確立・統計学の全体概要を学ぶ
    *ステップ3:最適化理論を学ぶ

  4. 【7419617】 投稿者: 7C  (ID:AQxXthWoNDM) 投稿日時:2024年 03月 03日 13:07

    ★ 立正大学データサイエンス学部の学び

    立正大学は、2021年4月にデータサイエンス学部を新設しました。
    1年次で学ぶデータサイエンスの専門基礎科目群から2年次以降の発展科目群や演習科目群(インターンシップ・フィールドワーク、3年次:ゼミナールⅠ・ゼミナールⅡ、4年次:ゼミナールⅢ・ゼミナールⅣ(卒業研究・卒業論文)まで幅広く開講されています。

    ◆ 2年次以降は、以下の2つに分けられます。(立正大学DS学部カリキュラムツリーを参照すると分かりやすいです)

    ・理系向けのデータサイエンス基礎科目群から選ぶ複数の教科 → データサイエンス発展科目群から選ぶ複数の教科 → 卒業研究・卒業論文。
    ・文理融合系の場合、ビジネス、社会・観光、スポーツの分野の中から選ぶ価値創造基礎科目群の中から選ぶ複数の教科(それに加えてデータサイエンス基礎科目群の内の必須科目に含まれている複数の教科)→ 価値創造発展科目群(ビジネス、社会・観光、スポーツの分野から選ぶ複数の教科) → 卒業研究・卒業論文。

あわせてチェックしたい関連掲示板

学校を探す

条件を絞り込んで探す

種別

学校名で探す