AI・データサイエンス学科
1年次 → 基礎/2年次 → 応用・実践学びの特徴
1. 「難しそう」を前提にした学び
AIやデータ分析は難しいという前提からスタート。
数式よりも考え方・使い方を重視し、
未経験でも理解できる構成で学びます。
2. データで考え、判断する力を育てる
正解を当てることよりも、データをどう読み
どう判断するかを重視。 社会で活きる思考力を養います。
3. 実務につながるツールを使用
現場で使われているツールを用い、
「勉強」で終わらない実践的な学習を行います。
4. AIを“使える側”になる
AIを作るだけでなく、業務にどう活かすかを学ぶ学科です。
エンジニア以外の進路にも対応します。
自分で解決する力を身につけます。
授業例
データサイエンス基礎
・データとは何か
・数値の見方・考え方
・グラフ・可視化の基礎
データを「眺める」から
「意味を読み取る」へ。
Python基礎
・プログラミングの考え方
・データ処理の基本
・ 分析コードの書き方
プログラミング未経験でも
つまずかない構成です。
AI・機械学習入門
・AIの仕組み
・機械学習の考え方
・予測・分類の基礎
「AIって何をしているの？」を
実感を持って理解します。
データ活用演習
・実データを使った分析
・課題発見〜改善提案
・発表・アウトプット
分析して終わりではなく、
「どう活かすか」まで考えます。
在校生の声
プログラミングやAIは未経験でしたが、
授業では、数式や理論だけでなく実際のデータを使って学ぶので、
「何のための知識なのか」が分かりやすいと感じています。
データから傾向を読み取れたとき、
仕事にも活かせそうだと思いました。
AIやデータ分析に興味はありましたが、
独学では何から始めればいいのか分からず悩んでいました。
この学科では、基礎から順番に学べるカリキュラムなので、
知識がつながっていく感覚があります。
最近は、「データを見て考える視点」が身についたと感じています。