北九州高専では、学生の数理・データサイエンス・ＡＩへの関心を高め、かつ、数理・データサイエンス・ＡＩを適切に理解し、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ための教育プログラムを設置しています。

本教育プログラムにおいて身につけられる能力

• 数理・データサイエンス・AI教育（リテラシーレベル）の教育を補完的・発展的に学び、データから意味を抽出し、現場にフィードバックする能力、AIを活用し課題解決につなげる基礎能力を修得すること。
• 自らの専門分野に数理・データサイエンス・AIを応用するための大局的な視点を獲得すること。

出典：数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム～ AI×データ活用の実践 ～
（https://www.mi.u-tokyo.ac.jp/consortium/pdf/model_ouyoukiso_20240222.pdf）

委員会等	役割
校長	運営責任者
教務委員会	プログラムの進化・改善
自己点検委員会	プログラムの自己点検・評価

以下の表に示す科目の単位を全て修得すること。
所定の全ての授業科目を修得した学生は、本プログラム（リテラシーレベル）修了者として認定され、修了証を発行する。

令和７年度入学生以降

基本的要素I	データ表現とアルゴリズム: データサイエンスとして、統計学を始め様々なデータ処理に関する知識である「数学基礎(統計数理、線形代数、微分積分)」に加え、AIを実現するための手段として「アルゴリズム」、「データ表現」、「プログラミング基礎」の概念や知識の習得を目指す。
基本的要素II	AI・データサイエンス基礎: AIの歴史から多岐に渡る技術種類や応用分野、更には研究やビジネスの現場において実際にAIを活用する際の構築から運用までの一連の流れを知識として習得するAI基礎的なものに加え、「データサイエンス基礎」、「機械学習の基礎と展望」、及び「深層学習の基礎と展望」から構成される。
基本的要素III	AI・データサイエンス実践: 本認定制度が育成目標として掲げる「データを人や社会にかかわる課題の解決に活用できる人材」に関する理解や認識の向上に資する実践の場を通じた学習体験を行う学修項目群。 応用基礎コアのなかでも特に重AI・データサイエンス実践(演習や課題解決型学習)<データ・AI活用企画・実践・評価>4要な学修項目群であり、「データエンジニアリング基礎」、及び「データ・AI活用企画・実施・評価」から構成される。

準備中

準備中