数理・データサイエンス・AI教育プログラム
芝浦工業大学の「芝浦工業大学リテラシープログラム」は、文部科学省「数理・データサイエンス・AI教育プログラム認定制度」の「数理・データサイエンス・AI教育プログラム リテラシーレベル」に認定されました。（令和5年）
芝浦工業大学システム理工学部の「芝浦工業大学応用基礎レベル」は、文部科学省「数理・データサイエンス・AI教育プログラム認定制度」の「数理・データサイエンス・AI教育プログラム 応用基礎レベル」に認定されました。（令和5年）
芝浦工業大学工学部の「芝浦工業大学応用基礎レベル」は、文部科学省「数理・データサイエンス・AI教育プログラム認定制度」の「数理・データサイエンス・AI教育プログラム 応用基礎レベル」に認定されました。（令和6年）
芝浦工業大学リテラシープログラム
実施体制
| 教育イノベーション推進センターデータサイエンス部門 | 全学教育プログラムの運営・実施、改善・進化、自己点検・評価を行う全学組織 |
| 全学的な数理・データサイエンス・AI教育を行うとともに、必要に応じ見直しを図るPDCAサイクルを確立 |
本教育プログラムの目的
将来的に学生が進むであろう専門分野に依らず、学生の数理・データサイエンス・AIへの関心を高め、かつ適切に理解し、それを活用する基礎的な能力を育成すること及び数理、データサイエンス・AIを活用して課題を解決するための実践的な能力を育成することを目的とする。修了要件
プログラムを構成する科目の全ての単位を修得することプログラムを構成する科目
| 科目名 | 単位数 | 工学部 | システム理工学部 | デザイン工学部 | 建築学部 |
| 統計学基礎 | 1 | 自由科目 | 必修科目 | 必修科目 | 必修科目 |
| データサイエンスリテラシー | 1 | 選択必修科目 | 選択科目 | 選択科目 | 選択科目 |
芝浦工業大学応用基礎レベル（システム理工学部）
実施体制
| 教育イノベーション推進センターデータサイエンス部門 | 全学教育プログラムの運営・実施、改善・進化、自己点検・評価を行う全学組織 |
| 全学的な数理・データサイエンス・AI教育を行うとともに、必要に応じ見直しを図るPDCAサイクルを確立 |
本教育プログラムの目的
将来的に学生が進むであろう専門分野に依らず、学生の数理・データサイエンス・AIへの関心を高め、かつ適切に理解し、それを活用する基礎的な能力を育成すること及び数理、データサイエンス・AIを活用して課題を解決するための実践的な能力を育成することを目的とする。修了要件
プログラムを構成する科目の全ての単位を修得することプログラムを構成する科目
| 科目名 | 単位数 | 科目区分 | 備考 |
| 微分積分Ⅰ | 2 | 必修科目 | 2023年度以前入学者は「微分積分学Ⅰ」（2単位） |
| 線形代数Ⅰ | 2 | 必修科目 | |
| 統計学基礎 | 1 | 必修科目 | |
| データサイエンス（応用） | 2 | 選択科目 | |
| システム工学C（データサイエンス） | 2 | 選択科目 | |
| AI基礎 | 1 | 選択科目 |
芝浦工業大学応用基礎レベル（工学部）
実施体制
| 教育イノベーション推進センターデータサイエンス部門 | 全学教育プログラムの運営・実施、改善・進化、自己点検・評価を行う全学組織 |
| 全学的な数理・データサイエンス・AI教育を行うとともに、必要に応じ見直しを図るPDCAサイクルを確立 |
本教育プログラムの目的
将来的に学生が進むであろう専門分野に依らず、学生の数理・データサイエンス・AIへの関心を高め、かつ適切に理解し、それを活用する基礎的な能力を育成すること及び数理、データサイエンス・AIを活用して課題を解決するための実践的な能力を育成することを目的とする。
プログラムの学修成果・学生が身につけられる能力
学生は、数学的な基礎学力を背景にデータの分析法を身につけると共にプログラム言語Pythonを用いて統計的手法や機械学習手法を実装する能力を習得する。実際的な課題を解決することで、データの加工、分析、可視化などのデータ分析の実践力を身につける。
開講科目/修了要件
以下の①～④の各科目群より各1科目以上 合計10単位以上を修了すること。なお、一部科目群（③・④）については、指定学科・コースに限り必修代替可能科目を開設している。
【科目群③】
機械工学科/基幹機械コースは「確率と統計第１（2単位）」「「確率と統計１（２単位）」の代わりに「確率統計」の単位を取得しても良い。
【科目群④】
電気工学科/電気・ロボット工学コースは「データサイエンス演習（2単位）」の代わりに「データサイエンス（3単位）」の単位を取得しても良い。
情報工学科/情報工学コースは「データサイエンス演習（2単位）」の代わりに「データ構造とアルゴリズム１（2単位）」および「データ解析法（2単位）」
の単位を取得しても良い。
| 科目群 | 科目名 | 単位数 | 指定学科・コース | 備考 |
| ① | 微分積分第１（2024年度以降入学生：微分積分１） | 4 | ||
| ② | 線形代数第１（2024年度以降入学生：線形代数１） | 2 | ||
| ③ | 確率と統計第１（2024年度以降入学生：確立と統計１） | 2 | 指定学科・コースに限り代替可 | |
| 確率統計 | 2 | 機械工学科 基幹機械コース |
指定学科・コースに限り「確率と統計第１」に代替可 | |
| ④ | データサイエンス演習 | 2 | 指定学科・コースに限り代替可 | |
| データサイエンス | 3 | 電気工学科 電機・ロボット工学コース |
指定学科・コースに限り「データサイエンス演習」に代替可 | |
| データ構造とアルゴリズム１ | 2 | 情報工学科 情報工学コース |
指定学科・コースに限り「データサイエンス演習」に代替可 ※「データ構造とアルゴリズム１」「データ解析法」2科目4単位の取得を以て「データサイエンス演習」の代替とする |
|
| データ解析法 | 2 |
（◎必修科目 ○選択必修科目 △選択科目 □自由科目）
| 科目名 | 基幹機械コース 機械工学科 |
先進機械コース 機械機能工学科 |
環境・物質工学コース 材料工学科 |
化学・生命工学コース 応用化学科 |
電気・ロボット工学コース 電気工学科 |
先端電子工学コース 電子工学科 |
情報通信コース 情報通信工学科 |
情報工学コース 情報工学科 |
都市・環境コース 土木工学科 |
|
微分積分１ （微分積分第１） |
◎ | ◎ | △ | △ | ◎ | △ | ◎ | ◎ | ◎ |
|
線形代数１ （線形代数第１） |
◎ | ◎ | △ | △ | ◎ | △ | ◎ | ◎ | ◎ |
|
確率と統計１ （確率と統計第１） |
△ | △ | △ | △ | △ | △ | △ | ◎ | △ |
| 確率統計 | △ | ||||||||
| データサイエンス演習 | ◎ | △ | △ | △ | □ | △ | △ | - | △ |
| データサイエンス | ◎ | ||||||||
| データ構造とアルゴリズム１ | ◎ | ||||||||
| データ解析法 | △ |
各科目の詳細はシラバス・学修の手引きで確認をしてください。
数理・データサイエンス・AIプログラム認定制度申請書
内部評価
2020年度自己点検結果
2021年度自己点検結果
2022年度自己点検結果
2023年度自己点検結果