好きな場所で受講できます．さらにオンデマンド教材は，好きな時間に，自分のペースで受講できます．
データサイエンス，データエンジニアリング，AIを網羅した学習コンテンツをそろえています．
データサイエンスもAIも，専門の研究者から最新の知見に基づいた講義を受講することができます．
信州データサイエンスプログラム（リテラシーレベル）の詳細
データ駆動型社会，Society 5.0，データサイエンス活用事例（仮説検証，知識発見，原因究明，計画策定，判断支援，活動代替など），データ分析の進め方，仮説検証サイクル，データの集計，比較対象の設定，クロス集計表，データのバラツキ，ヒストグラム，散布図，単回帰分析，重回帰分析，最小二乗法，データ可視化
ICT（情報通信技術）の進展，ビッグデータ，クラウドサービス，活用事例，コンピュータで扱うデータ，IoT（Internet of Things），テーブル定義，ER図，主キーと外部キー，リレーショナルデータベース（RDB），集計処理，四則演算処理，ソート処理，サンプリング処理，クレンジング処理（外れ値，異常値，欠損値）
AIの歴史，推論，探索，トイプロブレム，エキスパートシステム，汎用AI/特化型AI（強いAI/弱いAI），AI倫理，AIの社会的受容性，実世界で進む機械学習の応用と発展，機械学習，教師あり学習，教師なし学習，強化学習，実世界で進む深層学習の応用と革新，ニューラルネットワークの原理，AIの学習と推論，評価，再学習
| 学科 | 科目名 | 履修年次 | 単位数 |
|---|---|---|---|
| 工学部・全学科 | データサイエンス基礎 | 2～3 | 1 |
| 工学部・全学科 | データエンジニアリング基礎 | 2～3 | 1 |
| 工学部・全学科 | ＡＩ基礎 | 2～3 | 1 |
《学修目標》
データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する／分析目的に応じ，適切なデータ分析手法，データ可視化手法を選択できる／収集したデータを観察し，データの重複や欠損に気付くことができる／予測やグルーピング，パターン発見などのデータ分析を実施できる／データを可視化し，意味合いを導出することができる／データを活用した一連のプロセスを体験し，データ利活用の流れ（進め方）を理解する／仮説検証，知識発見，原因究明，計画策定，判断支援，活動代替など／仮説や既知の問題が与えられた中で，必要なデータにあたりをつけ，データを分析できる／分析結果を元に，起きている事象の背景や意味合いを理解できる
《学修目標》
データを収集・処理・蓄積するための技術の概要を理解する／コンピュータでデータを扱うためのデータ表現の基礎を理解する／Webサイトやエッジデバイスから必要なデータを収集できる／データベースから必要なデータを抽出し，データ分析のためのデータセットを作成できる／データ・AI利活用に必要なITセキュリティの基礎を理解する／数千件～数万件のデータを加工処理するプログラムを作成できる
《学修目標》
データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する／データを収集・処理・蓄積するための技術の概要を理解できるようになる／分析目的に応じ、適切なデータ分析手法、データ可視化手法を選択できるようになる／コンピュータでデータを扱うためのデータ表現の基礎を理解できるようになる／AIで使う数学基礎について理解できるようになる／アルゴリズムの基礎的内容について理解できるようになる／Pythonプログラミングの基礎的内容について理解できるようになる。
《学修目標》
リテラシーレベルの人工知能に関する技術や知識を補完的および発展的に学び，それらを活用して課題解決につなげる基礎能力を身に着けるために下記に取り組む．／AIのこれまでの変遷、各段階における代表的な成果物や技術背景を理解する／今後，AIが社会に受け入れられるために考慮すべき論点を理解する／自らの専門分野にAIを応用する際に求められるモラルや倫理について理解する／機械学習（教師あり学習，教師なし学習），深層学習，強化学習の基本的な概念を理解する／AI技術（学習，認識，予測・判断，知識・言語）を活用し，課題解決につなげることができる／複数のAI技術が組み合わされたAIサービスやシステムの例を説明できる
| 学科 | 科目名 | 履修年次 | 必修/選択 | 単位数 |
|---|---|---|---|---|
| 物質化学科 | コンピュータ化学演習(16T以降) | 2 | 必修 | 1 |
| 電子情報システム工学科 | 最適化(16T以降) | 3 | 選択 | 3 |
| 電子情報システム工学科 | 電気電子実験Ⅰ(16T以降) | 3 | 必修 | 2 |
| 水環境・土木工学科 | 水文・水資源学24T- | 2 | 必修 | 2 |
| 水環境・土木工学科 | 空間情報実習(16T以降) | 3 | 選択 | 1 |
| 機械システム工学科 | エンジニアリングスキル実習A(16T以降) | 2 | 必修 | 1 |
| 機械システム工学科 | エンジニアリングスキル実習B(16T以降) | 2 | 必修 | 1 |
| 機械システム工学科 | 実践的アルゴリズム(20T以降) | 3 | 選択 | 2 |
| 機械システム工学科 | 人工知能(20T以降) | 3 | 選択 | 2 |
| 建築学科 | 建築構造力学Ⅰ(16T以降) | 2 | 必修 | 2 |
| 建築学科 | 建築構造力学Ⅰ演習(16T以降) | 2 | 必修 | 1 |
| 建築学科 | 建築構造力学Ⅱ(16T以降) | 2 | 必修 | 2 |
| 建築学科 | 建築構造力学Ⅱ演習(16T以降) | 2 | 必修 | 1 |
T.H
工学部工学部でデータサイエンス教育が開始されると聞きワクワクしました．今回（令和4年度後期の）パイロット受講に参加しましたが，提供されている教材がモデルカリキュラムに準拠して，内容は盛りだくさんだと感じました．そのため，計画的に受講を進める必要があると感じました．多くの後輩たちが受講することを期待します．
Y.H
工学部データサイエンスやAIというと表面的には知っている感じがしていましたが，実際に教材を使って学習を進めていくことで，具体的な理論や技術について学ぶことができました．卒業後の進路を考えるときにも，データ分析といった領域にもチャレンジできるかも知れません．
M.N
工学部データエンジニアリング・データサイエンス・AIを受講して，今まで聞いたことがあっても詳しく知らなかった「機械学習」や「ビッグデータ」，「IoT」などの理解を深めることができました．これらの科目に少しでも興味がある人は，受講してみて下さい！自分の視野を広げることができます．
K.M
工学部最も印象に残ったのは，データ分析における可視化の重要性です．データをグラフ化することで，パターンや傾向を見つけることができます．この授業を受けて，データサイエンスに対する理解が深まりました．これからも，Pythonや機械学習の知識を活かして，データ分析に取り組んでいきたいと思います．
N.S
工学部今回データサイエンス科目の（令和4年度後期の）パイロット受講を行いましたが，AIやデータ処理の基礎を学ぶことができ非常に有意義なものとなりました．講義で学んだことを研究活動や社会に出た後も役に立てることができると思います．
