3つの履修モデル

本学科での学びには
大きく分けて3つの領域があります。
卒業後に希望する進路に沿って、
いずれかの分野の科目を
重点的に学べるような
履修モデルになっています。
各領域における複雑な社会課題を
データサイエンスの力で解決し、
新たな未来を
切り拓く人材を育成します。

授業ピックアップ

未来工学データサイエンス概論

これからデータサイエンスを学ぶ新入生向けの基礎的な講義科目です。データサイエンスの現状や実社会との関連性をはじめ、未来工学部で学ぶ様々なトピックスを解説します。

PickUp1

プログラミングⅠ・Ⅱ

データサイエンスで広く使われているPythonを用いて行うプログラミング演習です。この演習により、手作業では処理が難しいビッグデータを解析できるようになり、データサイエンスにおけるプログラミングの有用性を理解できます。

PickUp2

IoT電子工作実習

電子回路を組む実習を行いながら、ハードウェアの仕組みやIoT機器の利用方法について学んでいきます。センサーやモーターなどの機器の制御を通して、どのようなデータの収集が実現可能かを理解できるようになります。

PickUp3

医療統計分類論

医療の現場で生まれる様々なデータを扱う際の統一基準について学ぶ講義です。現役の医師や専門家を招き、現場での経験を踏まえた臨床研究や病院経営分析の解説をしていただく特別講義も予定しています。

PickUp4

データモデリング演習

実現場で起こる問題の解決を目指し、データ解析のためのモデルを構築するグループ演習です。救急患者に対応するための病院スタッフの最適配置問題や、海洋保護区設定の有効性検証など、幅広いテーマに取り組みます。

PickUp5

バイオインフォマティクス

バイオインフォマティクスは、遺伝子配列解析やタンパク質の構造予測などの問題を、情報科学や統計解析の手法で研究します。講義では、バイオインフォマティクスの基礎知識と応用について学び、手法の考え方の定着を目指します。

PickUp6

イメージングと画像解析

生物研究から創薬、先端医療まで、生命科学の研究現場において利用されるイメージング技術を学びます。細胞などの生物画像を例に、画像を解析するプログラムを作成し、定量的なデータとして扱えるようになります。

PickUp7

卒業研究

各個人がテーマを決め、4年間の集大成としての研究を進めます。前期は研究に必要なテーマの設定、研究計画の立て方について学び、後期は実際の研究に取り組んでいきます。学年末の卒業研究発表会においてプレゼンテーションを行い、最終的に卒業論文にまとめていきます。

PickUp8