プログラム

6つのコース

  • 最新版の構成科目は、シラバスにてご確認ください。
  • 開講大学: (無印)大阪大学、(滋)滋賀大学、(神)神戸大学、(同)同志社大学
DS統計数理
代表的科目
多変量解析、統計的推測、時系列解析

選択必修科目A群

  • DSインターンシップ
  • 実証型研究法
  • データ科学各論
  • データ科学PBL
  • 数理特論Ⅲ
  • オペレーションズ・リサーチ
  • 実践データ科学演習A(神)
  • 実践データ科学演習B(神)

選択必修科目B群

  • 統計的推測
  • 多変量解析
  • 時系列解析
  • 統計的多重比較特論I-1(神)
  • 統計的多重比較特論I-2(神)
  • 応用統計解析特論Ⅰ-1(神)
  • 応用統計解析特論Ⅰ-2(神)
  • モデリング基礎理論(滋)
  • 数理統計学特論(同)
  • 多変量解析特論(同)
  • ベイズ統計学特論(同)

選択科目

  • 確率解析
  • 確率微分方程式
  • 行動統計科学特講Ⅱ
  • 統計・情報数学概論
  • Data Science and Case Studies I
DS機械学習
代表的科目
機械学習とデータマイニングの基礎、機械学習の数理Ⅰ・Ⅱ、統計モデリング

選択必修科目A群

  • DSインターンシップ
  • 実証型研究法
  • データ科学各論
  • データ科学PBL
  • 数理特論Ⅲ
  • オペレーションズ・リサーチ
  • 実践データ科学演習A(神)
  • 実践データ科学演習B(神)

選択必修科目B群

  • 機械学習とデータマイニングの基礎
  • 機械学習の数理Ⅰ
  • 機械学習の数理Ⅱ
  • 統計モデリング
  • 機械学習論Ⅰ(神)
  • 教師あり学習(滋)
  • 教師なし学習(滋)
  • データベースシステム特論(同)

選択科目

  • ビッグデータ解析
  • 知能と学習
  • 統計的学習理論
  • 数理特論Ⅱ
  • Data Science and
    Case Studies I
DS医学
統計学
代表的科目
医学統計学総論、医学統計学各論、クリニカルトライアル総論

選択必修科目A群

  • DSインターンシップ
  • 実証型研究法
  • データ科学各論
  • データ科学PBL
  • 数理特論Ⅲ
  • オペレーションズ・リサーチ
  • 実践データ科学演習A(神)
  • 実践データ科学演習B(神)

選択必修科目B群

  • 医学統計学総論
  • 医学統計学各論
  • クリニカルトライアル総論
  • 統計学(神)
  • 生物統計学特論(同)

選択科目

  • 統計プログラミング1
  • 統計プログラミング2
  • 医学統計学特論1
  • 医学統計学特論2
  • Data Science and
    Case Studies I
DS保健医療
統計学
代表的科目
保健情報論、看護工学I、医学統計学総論

選択必修科目A群

  • DSインターンシップ
  • 実証型研究法
  • データ科学各論
  • データ科学PBL
  • 数理特論Ⅲ
  • オペレーションズ・リサーチ
  • 実践データ科学演習A(神)
  • 実践データ科学演習B(神)

選択必修科目B群

  • 保健情報論
  • 看護工学Ⅰ
  • 医学統計学総論
  • 統計コンサルティング特論(同)

選択科目

  • 医学統計学各論
  • 行動統計科学特講Ⅰ
  • 行動統計科学特講Ⅱ
  • クリニカルトライアル総論
  • Data Science and Case Studies I
DS経済経営
統計学
代表的科目
計量経済I、行動統計科学特講I、計量経済分析Ⅱ

選択必修科目A群

  • DSインターンシップ
  • 実証型研究法
  • データ科学各論
  • データ科学PBL
  • 数理特論Ⅲ
  • オペレーションズ・リサーチ
  • 実践データ科学演習A(神)
  • 実践データ科学演習B(神)

選択必修科目B群

  • 計量経済Ⅰ
  • 行動統計科学特講Ⅰ
  • マーケティング・サイエンス
  • 統計的方法論特殊研究(応用回帰分析)(神)
  • 統計的方法論特殊研究(確率モデル)(神)
  • 統計的方法論特殊研究(非集計データ分析)(神)
  • 経済統計学特論(同)

選択科目

  • 統計解析
  • 統計的学習理論
  • 計量経済Ⅱ
  • 計量経済分析Ⅱ
  • 多変量解析
  • Data Science and
    Case Studies Ⅰ
DS人文社会統計学
代表的科目
行動統計科学特講I、社会心理学特講Ⅰ、標本調査

選択必修科目A群

  • DSインターンシップ
  • 実証型研究法
  • データ科学各論
  • データ科学PBL
  • 数理特論Ⅲ
  • オペレーションズ・リサーチ
  • 実践データ科学演習A(神)
  • 実践データ科学演習B(神)

選択必修科目B群

  • 行動統計科学特講Ⅰ
  • 計量社会学特講
  • 計量経済分析Ⅱ
  • 言語統計学A
  • 言語統計学B
  • データサイエンス概論(滋)
  • 言語データ科学特論1(同)
  • 言語データ科学特論2(同)

選択科目

  • 社会データ科学特講
  • 行動統計科学特講Ⅱ
  • 社会心理学特講Ⅰ
  • 教育動態学特講
  • 社会の中の科学技術概論
  • 多変量解析
  • Data science and
    Case studies Ⅰ
  • 認知モデリング特論(同)
  • 調査法特別演習Ⅰ(同)
  • 調査法特別演習Ⅱ(同)

コア科目

※計画は変更になる場合があります。最新情報は、シラバスで確認するようにしてください。

DSインターンシップ

授業の目的と概要

受講生は、企業や地方公共団体等でデータ科学を業務とする部署に2週間以上派遣されます。社会で活躍するデータサイエンティストの業務を実際に経験し、大学での学習・研究を社会における実務と結び付ける一助とします。海外の大学等の研究機関での研修も可能とし、その期間は1ヶ月以上と定めます。

インターンシップ終了後は報告書を提出するとともに、DSインターンシップ報告会で報告を行います。DS4運営委員会が合否を判定します。

2023年度シラバス

2023年度 授業計画

4月
募集、受講者向け説明会 ※1
5~6月
希望する企業・団体のアンケート調査
7月
インターンシップ受入れ企業・団体決定
8~1月
インターンシップ(2週間以上)
2月
報告会(大阪大学内)
  • 詳細は履修登録者に通知しますので、説明会に参加する場合はかならず履修登録をしてください。

実証型研究法

授業の目的と概要

各受講生が実証的課題を持参し、データ科学の代表的なプロセスであるPPDAC (Problem → Plan → Data → Analysis → Conclusion)を教員の指導の下で進めていく実践的ゼミナール型クラスです。受講生はまず、課題と課題の意義の説明・データ採取の方法と計画・適用予定の統計分析・結果の予想など、課題解決のためのプロトコールを示します。この段階でクリティカルな指導があります。その後、受講生は中間報告1・中間報告2・最終結果プレゼンを順に行い、データ科学の実際を教員指導の下で完成させていきます。数理科学・統計学・情報科学を基盤とした学生には、方法論を分かり易く説明する演習にもなります。

受講生は、他の受講生のPPDACを疑似体験することができるとともに、分野が違うとデータ科学の在り様が全く異なることを実感することができます。こういった経験がデータ科学の幅を広げ、データ科学の本質を理解することに繋がります。

2023年度シラバス

2023年度 授業計画

5/13(土)
履修生のテーマの紹介(実証研究またはデータ科学的方法論) ※1
5/27(土)
報告1と指導・課題
6/17(土)
報告2と指導・課題
7/8(土)
報告3と指導・課題
7/29(土)
最終報告:プレゼンテーション、評価、最終コメント
  • 初回講義日に受講者によるプレゼンテーションがあります。前日までの資料提出が必要ですので、事前に履修登録を行ってください。

データ科学PBL

授業の目的と概要

合宿形式※1で行う課題解決・演習型クラス(三泊四日)です。事前に解決すべき課題と分析データを複数セット、大学(DS4)側が用意いたします。数名の受講生からなるグループを作成し、グループごとに選択した課題をPPDACを回しデータ科学的に解決します。その後結果をプレゼンテーションし、批評をし合います。

合宿では、課題と関連するトピックについての講義も併せて提供されます。基本的にはグループ間のコンペスタイルですが、最後に教員が模範的な分析手順と結果・解釈、すなわちデータ科学の分析プロセスと、データ科学をすることで得られる創造的価値を示します。データ科学には入試問題のような基準解答は存在しないことが多いですが、専門家が実践する分析ストーリーの一つを定石として理解しておくことは重要です。

受講生どうしで互いに知識やスキルを吸収することで、探索的な分析プロセスを身に付きます。さらに、データ科学の定石を学ぶことで新たな課題をデータ科学的に解決できるようになることを目標としています。

2023年度シラバス

2023年度 授業計画

9/19
グループによるデータ分析
事前に決定していたデータを受け取り ※2、分析検討。
9/20
グループによるデータ分析
講義1、データ分析、グループ毎の中間発表。
9/21
グループによるデータ分析
講義2、データ分析、最終発表用意。
9/22
グループによる最終発表
グループ毎の最終発表及び模範分析
  • 新型コロナウイルス感染拡大の懸念から、日帰りでの実施に変更しました。
  • 事前説明会を予定しています。グループ分けと分析するデータの選択を行う予定です。事前説明会の日程については後日履修者に連絡します。

データ科学各論(2023年度不開講)

授業の目的と概要

データ科学の現場における様々な分野におけるデータサイエンティストの方々に、問題設定、データの収集、データのスクリーニング、モデルの適用、データ分析及び結果の検討というPPDACサイクルを提供してもらうことによって、データ科学の様々な現場を理解し、学生の研究環境との差異を自覚し、データ科学の重要性を把握することを目的とします。

受講生は、データ科学の様々な現場におけるPPDACサイクルの流れや統計手法の運用を理解出来るようになります。

数理特論Ⅲ

授業の目的と概要

本講義においては、講師が一般企業においてデータ分析をビジネスに活用してきた経験をもとに、データ分析は意思決定にどう役立つのか、また、どのようにデータ分析を推進すれば意思決定に効果的に役立つのか、体系的にレクチャーします。講義はグループワークやディスカッションを中心に勧められます(講義の詳細は年度ごとに変更の可能性があるため、シラバスをご確認ください)。

2023年度シラバス

2023年度 授業計画

5/15
オリエンテーション
5/22
「見つける」ことの重要性
6/5
「解く」ことの重要性,「使おうと思わせる」ことの重要性
6/19
グループワーク~分析の設計~
7/3
グループワーク~分析実施~
7/24
グループワーク~分析結果纏め~
7/31
発表・クロージング

オペレーションズ・リサーチ

授業の目的と概要

2022年度より「DSデータ科学」の構成科目に追加されました。

経営科学や経済学の多くの問題が最適化問題にモデル化されます。本講義では、数式を用いたモデル化とモデルの最適な答えを求める手法である数理計画法について応用例を交えて紹介します。

2023年度シラバス

2023年度 授業計画

シラバスを参照のこと。

DS社会人コース

本プログラムは大学に籍のない一般の大学卒業者、または、DS⁴における連携校・参加校以外の大学院生を対象とします。

本プログラムの構成科目は選択必修科目A群とB群で、選択必修科目A群は本プログラムのコア科目です。実証型研究法は土曜日開講で、各受講生がもつ実証的課題(修士論文のテーマもOK)をもちより、データ科学的観点からレビューを受け、一段上の論文完成を目指します。データ科学PBLは合宿形式で行う予定で、受講生をグループ分けし、与えられた各種のデータをグループで分析し報告するという形式の実習です。データ科学PBLの最後では、受講生は教員が用意した基準解答的な分析を示されます。データ科学各論はオムニバス形式で、日本で活躍するデータサイエンティストや現場の実務家教員によるデータ科学の講義です(2019年度秋学期より開講)。

選択必修科目B群にはバラエティのある科目が用意されており、受講生の目的に合わせて履修できます。ただし、多くは毎週講義となっております。集中講義で開講されるのは、データ科学特論Ⅰ、データ科学特論Ⅱ、数理特論Ⅱであり、これらの科目は毎年講義テーマが変わるのでシラバスを確認してください。

統計学の基礎的な事柄についてはe-learning教材を用意しています。【2021年度で終了しました。】本プログラムに登録される方のバックグラウンドは多様ですので、各受講生にメンター教員がつき履修相談に乗ります。