5人50人企業・官公庁等が抱える経営系医療系製造業系金融系社会自然データ（新入大学生）500人5,000人50万人5万人PBLとして参加既存技術では解決できない課題相乗効果● 修士学生● 学部生「データサイエンスに関する新たな基盤技術を生み出し、新たな価値創造の「場」の開拓につなげることができる」業界を代表する高度な人材を育成します。複数分野の領域知識をもち、方法論とデータをつなぎ、価値を生み出す人材を育成します。より具体的には、「領域の課題を見つけ、データを取得し、前処理をし、モデルを決め、最適化法を選び、分析結果を解釈してわかりやすく伝え、意思決定に活かせる」一気通貫型の人材です。課題とデータに合わせて「既成モデル」だけでなく「特別仕様のモデル」を自らたて分析・価値創造に取り組む。高度な人材です。●M1（1年次）…データ計測からモデル化そして活用まで一気通貫で学びます。データサイエンスに関する専門知識を習得します。●M2 (2年次)…データから価値創造する力を実践的に鍛錬します。勤務先組織にてデータを用いた問題解決に取り組んだり、あるいは、本学と企業・官公庁等との共同研究に参加します。データエンジニアリングデータアナリシス方法論■ビッグデータ利活用のための専門人材 ― 階層イメージ、スキルレベル、育成スケールデータサイエンティスト協会が定めたスキルレベル（2014年12月）※ビッグデータの利活用にかかる専門人材育成に向けた産学官懇談会報告書大学院博士後期課程修了レベル（棟梁レベル・上級）データサイエンティストのチームを率いて組織内のビッグデータ利活用を先導できるリーダー：データサイエンスに関するより高度な専門性はもとより、豊富な価値創造の実践経験によって育成されるマネージメント能力をもつ人材大学院博士前期課程修了レベル「データエンジニアリング」と「データアナリシス」の専門知識とスキルを備え、実課題での価値創造の実践経験を有し、自らのイニシアティブで問題解決を図れる人材● データサイエンス教育研究センターがマッチング● 本学と企業・官公庁等との共同研究に参加● 多様な専門分野の教員が補完方法論AI機械学習モデリング適切な分析課題設定には領域知識が必須新ビジネス/サービス新たな価値創造の「場」の開拓につなげるモデルを自ら立てて分析領域領域知識知識価値価値データ価値創造棟梁レベルの不足感が大きい「新」基盤技術の開発課題解決のシーズ課題発見手順データ収集・前処理技術モデル・最適化計算新たな応用世界を代表するレベル棟梁レベル独り立ちレベル見習いレベル3AI技術により社会的課題の解決に貢献する人材を育成AI技術に関する専門知識と研究力を身につけ価値創造に貢献する人材を育成します。データサイエンス研究科データサイエンス研究科 博士前期課程データサイエンス研究科 博士後期課程
元のページ ../index.html#3