| 担当科目 |
| No. | 授業科目名
| 年度 | 授業概要 |
| 1 | 533351 / 確率・統計学発展 | 2026年度 | 「入門」で学んだ知識を基礎とし、限られたデータから全体（母集団）や未来を予測するための「推測統計」および「モデリング」を学びます。従来の統計学に加え、現代のAI・データサイエンスで必須となる「因果推論（原因と結果の分析）」や「ベイズ統計」、「情報理論」といった発展的なトピックも扱い、数理モデルによる世界認識を深めます。 |
| 2 | 533451 / 自然観察実習 | 2026年度 | 自然を理解するためには、自然を観察し、データをとり、解析し、結果を出すという科学的な研究手法の一部を実体験することが重要である。この授業では、地形·地質、生物、化学的成分、物理現象などの観察やデータ処理の方法等を学び、自然の見方、接し方、自然科学的な考え方の基本を学ぶ。授業は実習形式で行う。また、課題授業として、各自で国立科学博物館の見学にも行ってもらう。 |
| 3 | 539401 / 確率・統計学入門 | 2026年度 | 本講義では、不確実な世界を数学的に捉えるための言語である「確率」と、データから有益な情報を引き出す「統計」の基礎を学びます。データの整理・可視化（記述統計）から始まり、確率の基本的な概念、そして世界中の様々な現象を記述する「正規分布」などの確率モデルを習得します。 |
| 4 | 539451 / 確率・統計学発展 | 2026年度 | 「入門」で学んだ知識を基礎とし、限られたデータから全体（母集団）や未来を予測するための「推測統計」および「モデリング」を学びます。従来の統計学に加え、現代のAI・データサイエンスで必須となる「因果推論（原因と結果の分析）」や「ベイズ統計」、「情報理論」といった発展的なトピックも扱い、数理モデルによる世界認識を深めます。 |
| 5 | 533001 / 数学の基礎 | 2026年度 | 本講義は、AIやデータサイエンスが社会のあらゆる場面に浸透する現代において、文系・理系を問わず必須の教養となった「数学的思考」の基礎を習得することを目的とします。前半では、現代技術を支える3つの数学的支柱―(1) 微分積分、(2) 線形代数、(3) 確率・統計―の本質的な考え方を学びます。そして講義の終盤では、それらの知識を総動員し、「ChatGPTなどの生成AIが、裏側でどのような数学を使って言葉を紡いでいるのか」というブラックボックスの中身を、数式を通じて「理解」することを目指します。「魔法」のように見えるAI技術が、実は「確率」と「行列」の計算の積み重ねであることを体感することが、本講義の最終到達点です。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 6 | 533051 / 数学の基礎 | 2026年度 | 本講義は、AIやデータサイエンスが社会のあらゆる場面に浸透する現代において、文系・理系を問わず必須の教養となった「数学的思考」の基礎を習得することを目的とします。前半では、現代技術を支える3つの数学的支柱―(1) 微分積分、(2) 線形代数、(3) 確率・統計―の本質的な考え方を学びます。そして講義の終盤では、それらの知識を総動員し、「ChatGPTなどの生成AIが、裏側でどのような数学を使って言葉を紡いでいるのか」というブラックボックスの中身を、数式を通じて「理解」することを目指します。「魔法」のように見えるAI技術が、実は「確率」と「行列」の計算の積み重ねであることを体感することが、本講義の最終到達点です。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 7 | 533101 / 微分積分学入門 | 2026年度 | 本講義では、変化する世界を記述・予測するための言語である「微分積分」の基礎を学びます。関数によるモデリングから始まり、極限、微分、積分の概念を、経済学やデータサイエンスにおける具体的な応用例（限界費用、最適化など）とともに習得します。 |
| 8 | 533151 / 微分積分学発展 | 2026年度 | 「入門」で学んだ知識を基礎とし、より高度な対象である「微分方程式」や「多変数関数（偏微分）」を扱います。特に、これらの数学がAI（人工知能）の学習メカニズム（勾配降下法など）や、自然界・社会現象のシミュレーションにどのように使われているかを重点的に学びます。 |
| 9 | 533201 / 線型代数学入門 | 2026年度 | 本講義では、現代のデータサイエンスやAIを支える基盤言語である「線形代数」の基礎を学びます。抽象的な概念から入るのではなく、「大量のデータを扱うための表（行列）」や「空間における移動（ベクトル）」という具体的なイメージからスタートし、連立一次方程式の解法や行列式、逆行列といった基本的な計算手法と、その幾何学的な意味（変換）を習得します。 |
| 10 | 533251 / 線型代数学発展 | 2026年度 | 「入門」で学んだ行列計算を基礎とし、より高度な概念である「空間の構造（基底・次元）」や「固有値・固有ベクトル」を学びます。後半では、これらの理論がGoogleの検索アルゴリズム、主成分分析（PCA）、画像処理、推薦システムなどのAI技術にどのように応用されているかを具体的に扱い、理論と実践の結びつきを理解します。 |
| 11 | 533301 / 確率・統計学入門 | 2026年度 | 本講義では、不確実な世界を数学的に捉えるための言語である「確率」と、データから有益な情報を引き出す「統計」の基礎を学びます。データの整理・可視化（記述統計）から始まり、確率の基本的な概念、そして世界中の様々な現象を記述する「正規分布」などの確率モデルを習得します。 |
| 12 | 533351 / 確率・統計学発展 | 2026年度 | 「入門」で学んだ知識を基礎とし、限られたデータから全体（母集団）や未来を予測するための「推測統計」および「モデリング」を学びます。従来の統計学に加え、現代のAI・データサイエンスで必須となる「因果推論（原因と結果の分析）」や「ベイズ統計」、「情報理論」といった発展的なトピックも扱い、数理モデルによる世界認識を深めます。 |
| 13 | 533451 / 自然観察実習 | 2026年度 | 自然を理解するためには、自然を観察し、データをとり、解析し、結果を出すという科学的な研究手法の一部を実体験することが重要である。この授業では、地形·地質、生物、化学的成分、物理現象などの観察やデータ処理の方法等を学び、自然の見方、接し方、自然科学的な考え方の基本を学ぶ。授業は実習形式で行う。また、課題授業として、各自で国立科学博物館の見学にも行ってもらう。 |
| 14 | 539401 / 確率・統計学入門 | 2026年度 | 本講義では、不確実な世界を数学的に捉えるための言語である「確率」と、データから有益な情報を引き出す「統計」の基礎を学びます。データの整理・可視化（記述統計）から始まり、確率の基本的な概念、そして世界中の様々な現象を記述する「正規分布」などの確率モデルを習得します。 |
| 15 | 539451 / 確率・統計学発展 | 2026年度 | 「入門」で学んだ知識を基礎とし、限られたデータから全体（母集団）や未来を予測するための「推測統計」および「モデリング」を学びます。従来の統計学に加え、現代のAI・データサイエンスで必須となる「因果推論（原因と結果の分析）」や「ベイズ統計」、「情報理論」といった発展的なトピックも扱い、数理モデルによる世界認識を深めます。 |
| 16 | 533001 / 数学の基礎 | 2026年度 | 本講義は、AIやデータサイエンスが社会のあらゆる場面に浸透する現代において、文系・理系を問わず必須の教養となった「数学的思考」の基礎を習得することを目的とします。前半では、現代技術を支える3つの数学的支柱―(1) 微分積分、(2) 線形代数、(3) 確率・統計―の本質的な考え方を学びます。そして講義の終盤では、それらの知識を総動員し、「ChatGPTなどの生成AIが、裏側でどのような数学を使って言葉を紡いでいるのか」というブラックボックスの中身を、数式を通じて「理解」することを目指します。「魔法」のように見えるAI技術が、実は「確率」と「行列」の計算の積み重ねであることを体感することが、本講義の最終到達点です。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 17 | 533051 / 数学の基礎 | 2026年度 | 本講義は、AIやデータサイエンスが社会のあらゆる場面に浸透する現代において、文系・理系を問わず必須の教養となった「数学的思考」の基礎を習得することを目的とします。前半では、現代技術を支える3つの数学的支柱―(1) 微分積分、(2) 線形代数、(3) 確率・統計―の本質的な考え方を学びます。そして講義の終盤では、それらの知識を総動員し、「ChatGPTなどの生成AIが、裏側でどのような数学を使って言葉を紡いでいるのか」というブラックボックスの中身を、数式を通じて「理解」することを目指します。「魔法」のように見えるAI技術が、実は「確率」と「行列」の計算の積み重ねであることを体感することが、本講義の最終到達点です。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 18 | 533101 / 微分積分学入門 | 2026年度 | 本講義では、変化する世界を記述・予測するための言語である「微分積分」の基礎を学びます。関数によるモデリングから始まり、極限、微分、積分の概念を、経済学やデータサイエンスにおける具体的な応用例（限界費用、最適化など）とともに習得します。 |
| 19 | 533151 / 微分積分学発展 | 2026年度 | 「入門」で学んだ知識を基礎とし、より高度な対象である「微分方程式」や「多変数関数（偏微分）」を扱います。特に、これらの数学がAI（人工知能）の学習メカニズム（勾配降下法など）や、自然界・社会現象のシミュレーションにどのように使われているかを重点的に学びます。 |
| 20 | 533201 / 線型代数学入門 | 2026年度 | 本講義では、現代のデータサイエンスやAIを支える基盤言語である「線形代数」の基礎を学びます。抽象的な概念から入るのではなく、「大量のデータを扱うための表（行列）」や「空間における移動（ベクトル）」という具体的なイメージからスタートし、連立一次方程式の解法や行列式、逆行列といった基本的な計算手法と、その幾何学的な意味（変換）を習得します。 |
| 21 | 533251 / 線型代数学発展 | 2026年度 | 「入門」で学んだ行列計算を基礎とし、より高度な概念である「空間の構造（基底・次元）」や「固有値・固有ベクトル」を学びます。後半では、これらの理論がGoogleの検索アルゴリズム、主成分分析（PCA）、画像処理、推薦システムなどのAI技術にどのように応用されているかを具体的に扱い、理論と実践の結びつきを理解します。 |
| 22 | 533301 / 確率・統計学入門 | 2026年度 | 本講義では、不確実な世界を数学的に捉えるための言語である「確率」と、データから有益な情報を引き出す「統計」の基礎を学びます。データの整理・可視化（記述統計）から始まり、確率の基本的な概念、そして世界中の様々な現象を記述する「正規分布」などの確率モデルを習得します。 |
| 23 | 確率・統計学発展 | 2025年度 | 数学の応用分野の一つである統計学の入門的事項を学ぶ。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 24 | 数学の基礎 | 2025年度 | 人工知能で使われる数学を学びます。これには、基本的な関数、微分、線形代数、確率・統計などが含まれます。また、線形回帰モデル、自然言語処理、DNN（ディープニューラルネットワーク）にも挑戦します。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 25 | 微分積分学入門 | 2025年度 | 数学の基礎分野の一つである微分積分学の入門的事項を学ぶ。 |
| 26 | 線型代数学入門 | 2025年度 | 数学の基礎分野の一つである線形代数学の入門的事項を学ぶ。 |
| 27 | 数学の基礎 | 2025年度 | 人工知能で使われる数学を学びます。これには、基本的な関数、微分、線形代数、確率・統計などが含まれます。また、線形回帰モデル、自然言語処理、DNN（ディープニューラルネットワーク）にも挑戦します。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 28 | 微分積分学発展 | 2025年度 | 数学の基礎分野の一つである微分積分学の入門的事項を学ぶ。 |
| 29 | 線型代数学発展 | 2025年度 | 数学の基礎分野の一つである線形代数学の入門的事項を学ぶ。 |
| 30 | 確率・統計学入門 | 2025年度 | 数学の応用分野の一つである統計学の入門的事項を学ぶ。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 31 | 確率・統計学入門 | 2025年度 | 数学の応用分野の一つである統計学の入門的事項を学ぶ。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
| 32 | 確率・統計学発展 | 2025年度 | 数学の応用分野の一つである統計学の入門的事項を学ぶ。本科目はデータサイエンス・AI教育プログラムのリテラシーレベル科目の一つです。 |
