情報融合学環

数理・データサイエンスの知識と課題に取り組むための基本的技能、地域課題に取り組むためのデータ収集能力、統計的な視点からデータを分析解釈できる技能、第二創業を含めたアントレプレナーに挑むために必要な経営・知財管理などの基本的知識、イノベーションを起こすための発想力を高めるための経験、社会で求められる英語力を含めたコミュニケーション能力を修得した人材の育成を目的としています。

【DS総合コース】
デジタル社会においてDX化による社会構造の変革に対応するための社会的素養として求められている数理・データサイエンス・AIの基礎知識を有し、それらを駆使してイノベーションを創出し国際社会で活躍できるデータサイエンティスト、研究者の育成を目指しています。

【DS半導体コース】
デジタル社会においてDX化による社会構造の変革に対応するための社会的素養として求められている数理・データサイエンス・AIの基礎知識に加え、半導体の知識を専門的かつ実践的に学び、半導体デバイス製造プロセスにおける各工程の品質管理や製造プロセスの最適化による工場機能の最大化等、半導体を含む製造DX課題に向き合い、デジタル産業をけん引する技術者、研究者の育成を目指しています。

　データサイエンスの応用領域は自然科学のみならず人文社会分野にも幅広く関連してくることから文理融合型の視点が必要とされます。理系文系を問わず、グローバルな視野を持つデータサイエンティストや技術者、研究者を目指す次のような人を求めています。
1. 人間の幸福や人間と環境の融和に対して問題意識を持ち、新時代のデータ駆動型イノベーションの創造に強い意欲を持つ人
2. 国際的な視野と優れた表現力やコミュニケーション能力を身に付け 、リーダーシップと行動力を発揮するデータサイエンティストや技術者、研究者を目指す人
3. 課題に対して問題点を明確にし、計画的に問題解決を目指すことができる人
4. 文理を問わず幅広い教養の上に数理・データサイエンス・AI の専門知識を身に付け、それらの実社会への応用に興味を持ち、総合的な視点から広く社会に貢献しようと考えている人
5. 高等学校までの履修科目の基礎事項を理解し、その上で数学と英語の科目において特に優れた力を有する人

詳細は、本学HP（「大学HPで確認する」ボタンからお進みください。）の情報融合学環「３ポリシー」からご確認ください。

【DS総合コース】
数学、統計学、情報科学など数理・データサイエンス・AI の知識・能力の基礎となる自然科学や社会科学に関する学問を十分に修得させることで、基礎学問の知識を応用して、データ駆動型社会において国際的なリーダーとなるデータサイエンティストを育成することを目指しています。更に、日本語による論理的な記述、発表、討論などのコミュニケーション能力及び国際的に通用するコミュニケーション基礎能力、社会や技術の変化に柔軟に対応して継続的に学修できる能力、及び DX にかかわる技術が社会や環境に及ぼす影響を予測し、技術者倫理や自然環境などを考慮して行動する能力を有する人材の養成のためのカリキュラム編成となっています。
体系性：教養教育に加えて、数学、統計学、情報科学などの基礎科目群と専門科目群をもうけ、データサイエンス的素養が身に付くように編成しています。
段階性：基礎的な科目から学年進行に沿って応用的・発展的な科目を学修するように編成しています。１年次の全学生共通の基盤科目として、データサイエンス（DS）入門や DS リテラシー、プレゼンテーション実習等の科目を編成し、データサイエンスを含めた基礎的知識の涵養を目指します。
個別化（進路への対応）：確率・統計等の数理基礎科目、アルゴリズム論Ⅰ・Ⅱ等のプログラミング教育科目、データ分析Ⅰ・Ⅱ等データ収集分析関係科目、コンピュータネットワーク・情報セキュリティ関係科目、さらにはメディア情報処理や人工知能等 AI 応用科目、データベースⅠ・Ⅱ等のデータエンジニアリング関連基盤科目の教育を行い、将来の進路に即した専門性が身に付けられるように編成しています。加えて、社会科学関連科目として、経済学入門や行政学、法社会学等の科目を配置し、文理融合のカリキュラムを編成します。

【DS半導体コース】
半導体製造プロセスを俯瞰することができる設計工程から前工程・後工程、さらには各工程における品質管理に関する基礎知識を体系的に教育するとともに、データサイエンスの視点から半導体製造分野で活躍するために必要な専門科目を編成します。具体的には、回路開発の標準的ソフトウェア環境や、実際の半導体製造プロセスを模した実験・実習科目、熊本地域の半導体関係企業・半導体製造関係企業でのインターンシップ等を含めた実践力を涵養する教育プログラムを提供します。
体系性：教養教育に加えて、数学、統計学、情報科学などの基礎科目群と専門科目群をもうけ、データサイエンス的素養が身に付くように編成しています。
段階性：基礎的な科目から学年進行に沿って応用的・発展的な科目を学修するように編成しています。１年次の全学生共通の基盤科目として、データサイエンス（DS）入門や DS リテラシー、プレゼンテーション実習等の科目を編成し、データサイエンスを含めた基礎的知識の涵養を目指します。
個別化（進路への対応）：確率・統計等の数理基礎科目、アルゴリズム論Ⅰ・Ⅱ等のプログラミング教育科目、データ分析Ⅰ・Ⅱ等データ収集分析関係科目、コンピュータネットワーク・情報セキュリティ関係科目、さらにはメディア情報処理や人工知能等 AI 応用科目、データベースⅠ・Ⅱ等のデータエンジニアリング関連基盤科目の教育を行い、将来の進路に即した専門性が身に付けられるように編成しています。さらに、特に本コースでは、半導体基礎から論理回路、電気回路、半導体工学、半導体製造技術等、半導体の知識を修得できる科目を編成しています。


詳細は本学HP（「大学HPで確認する」ボタンからお進みください。）の情報融合学環「３ポリシー」からご確認ください。

続きを読む… 折り畳む

数理・データサイエンスの知識と課題に取り組むための基本的技能、地域課題に取り組むためのデータ収集能力、統計的な視点からデータを分析解釈できる技能、第二創業を含めたアントレプレナーに挑むために必要な経営・知財管理などの基礎的知識、イノベーションを起こすための発想力を高めるための経験、社会で求められる英語力を含めたコミュニケーション能力を修得した人材の育成を目的としています。このことを踏まえ、教養教育にて修得する幅広い分野の知識を素地とし、本学が定める学修成果を達成すべく編成・実施される各コースの教育プログラムを学修し、所定の単位を修得した者に、学位を授与します。