データサイエンス学部：立正大学 受験BBS

第１志望{emj_ip_0106}
第２志望以降{emj_ip_0107}

{emj_ip_0107}の人は第1志望どこですか？

何割取れましたか？

7割以上　{emj_ip_0106}
7割以下　{emj_ip_0107}

2/3
数学　8.5割
物理 6.5割
英語　6割
共通テスト数学IIB 78点

で、一般も共通テスト併願も受かったよ

補欠合格でした
繰り上がり合格期待できますかね？
データサイエンス学部辞退者多いかな？
繰り上がり合格は相当あるか？

共テ利用 バンザイシステムE判定でしたが、
初年度で多めに取ってくれて助かりました！

ちなみに
数学やらかして３教科61%でバンザイでは40番目ぐらいだったので、実際は70人中50位ぐらいですかね

データサイエンス補欠だったんですけど、落ちてる人いるんですかね？自分もあんまり手応えないし、初年度だから多くとってたり落ちてる人見てないので疑問に思いました。

>>7 志願者も少ないしな
併願も無料だしとりあえず併願勢もいるだろうからデータサイエンス学部は繰り上がり合格期待できるやろなあ
第一志望の奴も少ないだろうし

志願者270ちょいだが立正内での併願だけでもかなりいるだろうし実際人数は100人くらいかな？

データサイエンスはかなりの確率で補欠合格から繰り上がり合格になるやろ
併願人数稼ぎだし　併願無料だからね
実際の人数は少ない

受験者数が、試験前日に120？人ぐらい一気に増えたから、それを共通テスト併願した人分って考えたら実際170人ぐらいだと思いますよ〜
友達は文系だから併願していないって言ってました

28000番以降から共通テスト併願型の合格者だと思うから53人開くのかな？？

>>12 もっと開くやろ　そもそも立正第一志望が少ないし　ほとんど滑り止めっしょ
にしてもセンター併願無料はデカいな

データサイエンス学部は文理融合学部なので、数学（統計学、微分、積分、確率、線形代数）の知識と、日々進化する技術革新に対応するために、英語の新しい文献を読める読解力が必要。

立正大学データサイエンス学部、合格しました！
嬉しい！！

★立正大学データサイエンス学部学部長・北村行伸先生の経歴

北村先生は日本の経済学者で、一橋大学名誉教授、総務省統計委員長、一橋大学経済研究所前所長を歴任しています。専門は応用計量経済学、ミクロ計量経済学、金融・財政論、公共経済学。

略歴
1981年　慶應義塾大学経済学部卒業
1982年 ペンシルベニア大学大学院(修士課程)卒業
1988年 経済協力開発機構(OECD)パリ事務局事務官
1989年 オックスフォード大学大学院(経済学博士Ph.D.)取得
1991年 日本銀行金融研究所研究員
1996年 慶應義塾大学大学院商学研究科客員助教授
1999年 一橋大学経済研究所教授
2020年 立正大学経済学部教授
2021年 立正大学データサイエンス学部学部長

研究テーマ
社会経済の諸問題を、統計データを使って実証分析すること。とりわけ金融・財政などの分野での経済政策に関わる研究。仮想通貨や電子商取引に関わる問題の研究。世代間移転に関わる研究。

担当科目・ゼミ
・データサイエンス入門
・データサイエンスと価値創造
・計量経済学
・EBPM

教員から学生へのメッセージ
ゼミナールでは、データサイエンス全般の問題を取り上げます。データを使った分析、そのための手法の習得、データを使った様々な社会実装について学びます。

研究業績等
著書
・北村行伸 「パネルデータ分析」、2005年、岩波書店
・北村行伸「ミクロ計量経済学入門」、2009年、日本評論社
・北村行伸　(編著)「応用ミクロ計量経済学1」、2010年、日本評論社
・北村行伸・宮崎毅「財政改革のミクロ実証分析　家計経済から見た所得税・消費税」、2013年、岩波書店
論文
・北村行伸 「生活水準の概念と計測の再検討」、2020年、[経済研究]、71(1)、102-122
・その他、英文論文多数

所属学会
・Econometric Society
・American Economic Association
・日本経済学会
・日本統計学会
・日本金融学会
・日本財政学会
・生活経済学会

★データサイエンス系　大学教育組織連絡会　令和2年（2020年）8月20日設立

◇組織会員
・滋賀大学データサイエンス学部　
・総合研究大学院大学複合科学研究科統計科学専攻　
・長崎大学情報データ科学部　
・一橋大学ソーシャル・データサイエンス教育推進センター　
・兵庫県立大学社会情報科学部　
・立正大学データサイエンス学部長　
・群馬大学情報学部（11月16日加入）
◇設置目的
データサイエンス系の専門学部・学科・研究科・専攻等が協力・共同し、教育・運営の在り方について継続的な議論を通して、大学及び大学院におけるデータサイエンス分野の教育・研究を推進するとともに、産官学の直接的な対話を促進し対外的な意見や要望を発信することをもって、我が国におけるデータサイエンス教育・研究、化学技術や経済社会の発展に寄与することを目的とする。

◆ 立正大学データサイエンス学部：https://www.ris.ac.jp/ds/

立正大学は大学群【神立東玉文武】のうちの一校です。

★ニコニコ大百科の【神立東玉文武】の説明を読んで見よう！https://dic.nicovideo.jp/t/a/%E7%A5%9E%E7%AB%8B%E6%9D%B1%E7%8E%89%E6%96%87%E6%AD%A6?from=a_autolink_4219537

ついでに【関連項目】の
・大学群
　↑↑↑ をクリックしてみよう！　色々な【大学群】が列記されています。

◆ 立正大学データサイエンス学部について
・情報技術の急速な発達によって、世界中のインターネットの検索機能やスマートフォンの位置情報・接続状況から得られるデータ。また、メール、ブログ、ツィート、ソーシャルネットワーキングなどからも得られる膨大なビッグデータから、ビジネスに活かせる情報データを分析し、実務に応用できる知識やノウハウを身に付けた即戦力となる人材が、これからの社会では益々求められてきています。
・データサイエンス学部は、データサイエンスを広く経済社会に応用し、経済におけるマーケット情報の分析や観光における需要の予測、競技スポーツにおけるデータの解析など、ビジネス、社会、観光、スポーツなどの現場で、新たな価値を生み出す即戦力となる人材を養成する学部です。　

◆ 専門領域における教員のきめ細やかな専門指導
・データサイエンス学部では官公庁、スポーツ、ビジネス、観光など各分野で25名の専任教授が指導に当たります。
・3年次から始まる専門領域の研究(ゼミナール)では各教員の研究室に所属し、集中的・専門的な指導が行われます。
・研究の成果は卒業研究(複数人数のグループが取り組む研究)あるいは卒業論文(個人で取り組む研究)としてまとめられます。

◆ 企業や組織と連携した実践的な教育体制
・実際にデータを用いたビジネスモデルを展開している企業や組織と連携したインターンシップやフィールドワークが行われます。
・これを通して、課題の発見とそれに対する解決策を学生が主体的に提案していくなど、社会や経済の諸課題への対応力を養います。

◆ 卒業後も連携できる開かれた研究・教育体制
・データサイエンスの早い技術進歩に対応するため、卒業生が大学に戻って情報交換や新知識習得の機会や最新情報が提供される場を用意しています。
・卒業生や連携先からのフィードバックを得て教育内容をダイナミックに変化させるなど、卒業生とネットワークを活かした教育・研究体制の構築を目指します。

これまでは IT エンジニアと言えば、一定の法則に従って動作するプログラムを構築するプログラマーや SE (システムエンジニア)が主流でした。
しかし近年、ビッグデータを正確に扱える高度なスキルを持ったデータサイエンティストの人材が必要不可欠となってきました。

あるデータサイエンティストは、
「データサイエンス学部って、行く意味がある。何故ならば大学の教授と企業の間にはコネがあって、データサイエンス学部がある大学に入るだけで、インターンシップと称してその企業のデータを入手でき、分析できるから」と言っていました。

「データサイエンス学部は、そういう意味で恵まれた環境にあり、就職活動で "ある企業のデータを分析しています" といえば、就職で絶対に有利になる」といっていました。

立正大学データサイエンス学部では、2年次に企業などで実践的なインターンシップやフィールドワークなどが課されています。これって、絶対に就職活動の時に有利に働きますよね！

※ 【嬉しいお知らせ】
立正大学データサイエンス学部では、入学時に学部生全員にノートパソコンが貸与されます。(たぶん、卒業時にノートパソコンの返却は、ないんじゃないかと思われます)

★ データサイエンスを構成する要素について

データサイエンスを構成する要素は、大きく分けて3つある。

計算機科学というデータを扱うためのコンピューター利用の分野、データを分析する統計学の分野、そのデータをどう価値付していくかという価値創造の分野である。

計算機科学と統計学は工学的な分野で、データサイエンスの基礎。

一方、そのデータをビジネスやマーケティングにどう使うのか、という応用方法を考えるのが価値創造である。

価値創造の場面では、経済や経営など文系的思考が必要である。

『卒業後は有名企業から引く手あまた？　全国で「データサイエンス学部」が増加している理由』　2021.11.19　AERAdot. からの抜粋・要約

★ 日本は世界の中で後れをとっている
大学でデータサイエンスを学べる環境が急速に広がっているのは、社会からの要請だ。「多くの企業がデータサイエンティストを求めている」（滋賀大データサイエンス学部長・竹村彰通）というが、そこには世界と比較して日本がこの分野で後れを取っていることが背景にあるという。

★ 企業が優秀な社員を大学院に派遣
滋賀大学では2019年に大学院にデータサイエンス研究科を設けた。ここでは社会人派遣を受け入れており、情報通信系の大手企業などから若く優秀な社員が送り込まれているという。
「連携している企業から派遣された大学院生が学生（DS 学部生）に声をかけて、学生がその企業に就職し、社内で独立した部署を作ったという事例もありました。中途採用は今、取り合いで採用できないので、本学（滋賀大）の卒業生を採用しよう、と思ってくださる企業があるのではないかと思います。

★ 英語と同じレベルで必要とされる時代が来る
「いくら外部に専門のデータサイエンティストがいても、その人が企業や業界の内情を全て知っているわけではないですよね。どのデータとどのデータを連携させたら役に立つのか、という具体的な事が分からないとDX（デジタルトランスフォーメーション）は進められない。医療、行政、製造業、マスコミ、どの分野でも、当該分野の人にどれだけデータサイエンス教育を教育していくかが、国や企業、行政サービスの強さに繋がっていくと思います」（京都橘大・東野輝夫教授）

こうした考えのもと、京都橘大では、来年度から経済学部をはじめ文系理系を問わず全学部で体系的にデータサイエンス教育を行う方針だという。東野教授は「データサイエンスの知識が、英語と同じくらいのレベルで必要とされる時代がもうすぐ来るだろう」という。

「国は今、大学・高専から年間50万人のデータサイエンス人材の輩出を目標に掲げています。現状、日本の情報教育は遅れていて、アメリカのような IT 中心の社会というわけではない。ただ、今後人材が増えて行けば、日本が得意とするものづくりとうまく組み合わせて、日本ならではの強みが生まれるのではないかと期待されています」（東野教授）

★ 2025年の大学入学共通テストの出題教科にプログラミングを含む「情報」(Information)の科目が必修化！

・高校の改定された新学習指導要領では、共通必修科目「情報 I」が新設されます。必修科目となったことで、高校生全員がプログラミングを学ぶことになります。

「情報 I」は、以下4つのカテゴリーに分けられます。
1.情報社会の問題解決
2.コミュニケーションと情報デザイン
3.コンピューターとプログラミング
4.情報通信ネットワークとデータの活用

◆ 大学入試への影響
・2021年3月24日に大学入試センターが、2025年1月に実施する大学入学共通テストの教科、科目の再編案を公表しました。
・その中で、【プログラミングや、データサイエンスに必要な統計処理、情報リテラシーの知識などを試す「情報」を導入し、国語や数学などと並ぶ基礎教科とする】ことを発表しています。
・プログラミングは、国語と数学と並ぶ教科の位置づけとなり、プログラミング知識を問われる「情報」科目が、入試科目となっています。
・基礎教科、入試科目となった背景は、急速に発達する IT 社会で活躍できる人材育成や、2030年に最大79万人の不足が見込まれる IT 人材確保の、裾野拡大につなげる狙いがあります。

※ このようにデータサイエンスの知識の需要は益々大きくなっていきます。

{emj_ip_0295} 立正大学データサイエンスセンターは、企業や行政機関、地域と連携しながら幅広い分野のデータサイエンス研究を進めています。これらの研究プロジェクトに関わっている【共同研究員】も産学官から多彩な方々が参加しています。

【共同研究員】の所属先を列記してみると、

・独立行政法人統計センター・係長
・Salesforce ・スタッフ
参画プロジェクト：金融関連データを利用した起業支援

・日本大学・特任教授
参画プロジェクト：生活習慣病予防への機械学習の応用

・Department of Economics, Ewha Women's University, Korea ・Professor
・立正大学経済学研究科・博士課程2年
参画プロジェクト：産業構造のネットワーク分析

・立正大学・非常勤講師
参画プロジェクト：IRプロジェクト

・至誠館大学ライフデザイン学部・助教授
・ミズノ株式会社・グローバル研究開発研究員
参画プロジェクト：スポーツデータサイエンスプロジェクト

・江戸川大学＆ローカルデザイン研究所 BEEN ・名誉教授＆ローカルデザイン研究所代表
参画プロジェクト：データサイエンスによる地域活性化

・東京大学・大学院経済学研究科教授（2名）
・一橋大学・経済研究所教授
・一橋大学・教授
・神奈川大学・経済学部准教授
・日本大学・助教授
参画プロジェクト：景気指標開発プロジェクト

・独立行政法人統計センター・技術研究開発課
・株式会社タクミインフォメーションテクノロジー・スタッフ
参画プロジェクト：日本の家族構成とその行動分析

★立正大学データサイエンスセンター：https://www.ris.ac.jp/dsc/

>>17　★データサイエンス系　大学教育組織連絡会　2020年8月20日設立

◇組織会員
・滋賀大学データサイエンス学部
・総合研究大学院大学複合科学研究科統計科学専攻
・長崎大学情報データ科学部
・一橋大学ソーシャル・データサイエンス教育推進センター
・兵庫県立大学社会情報科学部
・立正大学データサイエンス学部
・群馬大学情報学部（11月16日加入）https://www.gunma-u.ac.jp/information/83078

◆ データサイエンス学部での様々な資格取得のバックアップ

・教職課程の履修で、高等学校教諭一種免許状「情報」の資格を取得できます。
・さらに情報処理技術者試験やITパスポート試験、G検定(ジェネラリスト検定)、統計検定などの資格取得にも積極的に支援しています。
・その他にも任意資格である「社会福祉主事」「社会教育主事 / 社会教育士」「博物館学芸員」や認定資格である「GIS学術士」「社会調査士 / 専門統計調査士」「社会調査士」など。

【2022年最新】データサイエンス大学ランキング / データサイエンス学部・学科って何を学ぶの？　文系でも行ける？　勉強内容、取れる資格について

コレカラ進路.JP　2022.03.10

データサイエンスとは、データの分析についての学問分野であり、統計学や数学、計算機科学などと関連し、主に大量のデータから何らかの意味のある情報や補足関連性のあるものなどを導き出す学問です。

具体的に言うと主に分析環境の構築・運用・分析・レポート作成などを行うことです。分析環境の運用構築とは業務システム、ブログ、SNS や Web デザイナー、Web サイトのデータなどを収集し、これらのデータの蓄積を運用できるようにする仕組みをつくることです。

ITやWebが隆盛を極める今日（こんにち）では非常に重要な学問であり、データサイエンスを扱う事のできる学生は今後企業から益々重宝されるようになるでしょう。

◆ 文系でもデータサイエンス系の学科に入れる？
結論から言うと、文系の方でもデータサイエンス系の学科に入ることはできます。
しかし注意すべき点としては、

・試験科目には理系科目が用いられていることも多いので、受験に対応できる程度の理系科目の学習は必要です。
・一般入試などで大学を受験する場合は、基本的に英語も受験科目として用いられることが多いので、英語が得意な人は多少理系科目で点数を落としてしまっても、英語でカバーすることもできます。
・数学をはじめとした理系科目が苦手のまま入学してしまうと、入学後に困る事もありますが、「大学に入ってから、学習に一生懸命に取り組むことができる」という自信のある人は、文系でもデータサイエンス系の学科に入っても問題ないでしょう。
・数学が苦手という人は、一度書籍などでデータサイエンスに関する本を読んでみてから判断することをお勧めします。

◆ データサイエンスお勧めの大学
・立正大学
・武蔵野大学
・日本工業大学
・大阪工業大学

この記事の出所先：https://korekarashinro.jp/special/consult/data-science/

★ データサイエンスにおけるデータの活用について　　用語解説・その１

◆ データの活用とは何？
データの活用とは、「データを業務プロセスの中に継続して組み込んでいく活動」を指します。突発的に一回限りの分析でデータを使うのではなく、日々の業務でデータを継続的に用い、発見につなげることを指します。
◆ データの活用はなぜ？
データには事実が並んでいるため、根拠に基づいて意思決定を行うことが出来ます。意思決定の際にデータを活用すれば、具体的な情報を基に意思決定が行えるため、周囲と認識を共有しやすくなるうえに、将来的にも検証が行いやすくなるというメリットが生まれます。
◆ ビッグデータを何に使う？
ビッグデータを活用することで、膨大な過去の実績データからの傾向を分析し、高精度な予測を行うことが可能です。例えば、商品やサービスの需要の予測を行えば、在庫や製造量を過不足なく適切に管理でき、無駄なコストの削減や業務効率化につなげられます。

★ データサイエンスにおけるデータの活用について　　用語解説・その２

◆ データ分析は何に使う？
データ分析の活用によって、これまで不確実性のあった情報をより精度を高めて抽出できるため、継続的な売上げやシェアの拡大、またそれらにつながる施策の検討が容易になります。分析の精度は、完璧とまではいかないものの、各データの関連性や因果関係などから不確実性を減らすことで、確実の高い分析や予測が可能になります。
◆ データ活用で何ができる？
データの活用は、新たな戦略や施策を導入する際にもメリットがあります。データを用いて分析することで、社内の状況が明確になり、ビジネスにおける課題が発見可能になります。　また見つけた課題を基に戦略や施策を導入した場合にも、データを基に効果検証を行えるため、次の施策に向けて動き出せます。
◆ 「データの活用」と「データドリブン」は何が違う？
データ活用が既存のデータを業務に取り入れるのに対して、データドリブン ( Data Driven ) はビッグデータを扱うため、その範囲や種類が増えると思われます。

★ データサイエンスにおけるデータの活用について　　用語解説・その３

◆ データドリブンマーケティングとは？
「データによって動かされる」つまりデータを意思決定の判断軸としたマーケティング手法や経営手法のことを指します。
◆ データドリブン経営はなぜ必要なのか？
メリットは3つあります。
１）売り上げや収益率の改善
２）顧客ニーズの理解
３）精度の高い意思決定
◆IoT（アイオーティー）とは？
「Internet of Things (モノのインターネット）」の略称で、コンピューターなどの情報通信機器だけでなく、世の中に存在するあらゆる物体（モノ）に通信機能を備えて、インターネット接続や相互通信を行わせることにより、遠隔操作やデータ収集を行う仕組みのこと。
◆統計で何が出来る？
統計学とは、ある1つの群のデータに対してその性質を調べたり、あるいは手持ちのデータからもっと大きな未知のデータや未来のデータを推測するための学問のこと。
◆ なぜ、データサイエンティスト？
データサイエンティストが注目の職業になっている理由としては、近年ビッグデータがビジネスにおいてより重視されるようになったことが関係しています。情報が武器となるIT・デジタル業界が伸びていることも、データを分析して活かすことができるデータサイエンティストの需要を押し上げています。

◆ オススメ記事：【データ活用とは？メリットや業界ごとの活用方法を解説】https://www.mdv.co.jp/ebm/column/article/05.html

★ 立正大学の「スポーツデータサイエンスプロジェクト」の取り組みが紹介されました

◆ ベースボールマガジン社
Baseball Clinic （ベースボール・クリニック）
2022年5月号 「特集・走塁のデータサイエンス」
【埼玉武蔵ヒートベアーズ × 立正大学データサイエンス学部の「塁感プロジェクト」に密着

立正大学データサイエンスセンター NEWShttps://www.ris.ac.jp/dsc/news/cuefqf00000002v2.html

BBM Sports ベースボール・クリニック5月号
Baseball Clinic（ベースボール・クリニック）https://www.bbm-japan.com/article/detail/31423

★ データサイエンティストとしての大まかな仕事内容について

・自社内のデータを分析して自社の経営を助ける仕事
・他社(=顧客)に派遣されてその会社のデータを分析し、顧客企業の経営に貢献する仕事(コンサルティング業に近い仕事)
・AIを用いた製品やサービスを開発して、それを売る仕事

などがあります。
また、データサイエンスとの関わり方についても、

・一般的な統計学やすでに広く使われている機械学習手法などを用いてデータを分析して企業の経営に貢献する
・研究者のように最先端のデータ分析手法自体を開発していく

といった違いがあります。
まずはあなたがどのような形で働きたいのかというのを、イメージしてみることから始めると良いです。
※ データ分析手法はあくまで道具であり、本質的にはコンサルティングだという人と、データサイエンス自体を発展させるんだというのでは、やるべき事が違うということに注意が必要です。

◆ 立正大学の永田聡典講師が共同執筆した論文『競泳選手におけるターン動作とジャンプパフォーマンスの関係：バタフライと平泳ぎでの open turn に着目して』がスポーツパフォーマンス研究14巻 p. 60-67（2022．日本スポーツパフォーマンス学会）に掲載されました。

立正大学データサイエンス学部 NEWS：https://www.ris.ac.jp/ds/news/hca0a70000000y7f.html

スポーツパフォーマンス研究：https://www.jstage.jst.go.jp/article/rjsp/14/0/14_2143/_article/-char/ja/

★ データサイエンスの応用例　　　その１

◆ビジネス
ものづくりの現場や消費者の購買動向、流通など、ビジネスにおいて収集されるビッグデータの分析から新たな価値の創造や問題解決に導く力を身につけます
例えば、ポイントカードやショッピングアプリのデータから、利用したサービスや購入品の内容・料金・利用者の属性といった顧客情報を分析し、顧客別に商品を売り込む新しいアプローチを展開するなど、これまでにないビジネスモデルの創出につなげていきます。

◆社会
データサイエンスは環境・経済・医療・教育・交通・技術開発など、あらゆる分野で活用され、日常生活や働き方、社会の仕組みを大きく変えていきます。データと実社会のつながりに気づき、社会をより豊かに変えていく応用力を身につけます。
例えば、人や自動車の位置情報の解析データから渋滞解消やスムーズな公共交通機関の運行を考えて環境改善につなげたり、国の統計データを活用して帰宅困難者対策など、防災計画や社会のインフラの充実につなげています。

★ データサイエンスの応用例　　　その２

◆観光
携帯電話の位置情報、クレジットカードの購買記録、IC系交通カードの移動情報やSNSの投稿など、旅行者が日々提供する膨大な情報を分析し、観光産業を牽引する人材としての力を身につけます。
例えば、どこからどんな人が訪れたのか、どこでどんな体験をし、何を食べ買ったのか、といったデータから、新たな観光スポットやニーズを開拓し、観光産業の発展や地域活性化につなげています。

◆スポーツ
AI・IOTなどの最先端技術を駆使し、選手の動きやコンディション、チームの状況に関するデータを解析、活用して、スポーツ界をデータサイエンスでさらに発展させる力を身につけます。
例えば、サッカーでは、試合でのボールの保持率や動きといったデータはもちろん、一人一人の身体能力データなどを集めて解析し、理論や直感だけでは気づかない発見を導くことによって、プレーの質の向上やまったく新しい戦術の開発につなげています。

★ データサイエンス学部のカリキュラムの特徴

1年次：データサイエンティストの基礎知識を習得

教養科目では幅広く深い教養及び総合的な判断力を培い、豊かな人間性を涵養することを考慮し、多岐にわたる分野の科目を配置し応用分野への足掛かりとしています。
専門科目の専門基礎科目群では、データサイエンスの基礎となる【数学、統計学、情報科学、情報倫理、プログラミング、AI、マクロ経済学、ミクロ経済学、経営学】などを専門基礎科目群の必修科目として配置し、2年次以降の学びに必要となる基礎知識を習得します。

2年次：高い専門性と社会の価値創造に貢献する人材に必要な知識・技能を習得

専門科目ではデータサイエンス基礎の【数学、統計学、データ分析、データベース、プログラミング】などに関連する必修科目などを中心に学びます。
価値創造基礎ではデータサイエンスの応用分野を意識し、【ビジネス、金融、観光、地理情報システム、環境、気象、スポーツ】などの分野から履修する科目を選択します。
専門科目で得られた知識・技能が有機的に結びつくことによって、データサイエンスの高い専門性と社会の価値観に貢献する人材に必要な知識・技能を習得します。

★ データサイエンス学部のカリキュラムの特徴

3年次：データサイエンティストに必要な専門的知識・技能を習得

2年次までに習得した専門知識を基に演習科目の「ゼミナール�T・�U」を履修し、データサイエンスや応用分野のより深い学びへと発展させます。
各科目群では、データサイエンス基礎での学びをデータサイエンス発展へとつなげ、【データ解析、機械学習】などデータサイエンティストに必要な専門的知識・技能を習得します。
さらに、価値創造基礎での学びを価値創造発展へとつなげ、データサイエンスの応用分野へと活用します。これによって、データサイエンスが社会で果たす役割を理解します。

4年次：データサイエンティストとしてデータサイエンスの成果を社会に還元できる力を獲得

3年次までに習得したデータサイエンスの基礎的・発展的な科目やデータサイエンスを活用した価値創造の知識を利活用し、データサイエンティストとしてデータサイエンスの成果を社会に還元できる力を獲得するために「卒業研究・卒業論文」に取り組みます。
「ゼミナール�V・�W」では演習形式の授業で議論を深めます。この研究成果によって、深い教養とデータサイエンスに関係する専門的知識や技能が習得できているか、それらを現代社会・経済に貢献していこうとする思考・判断・意欲・態度・表現・知識・技能が身についているかを評価します。

★ 立正大学データサイエンス学部動画コンテンツ

１： データサイエンス学のススメ ・ データサイエンス学部長 北村行伸先生
２：コンピュータービジョン 〜 物体を知覚する人工知能・上原宏先生
３：正確なデータを作るためのデータサイエンス・高部勲先生
４：ダイナミックプライシングによる価格戦略とその可能性・大井達雄先生
５：データサイエンスでスポーツをアップデート・永田聡典先生

立正大学データサイエンス学部動画コンテンツ：https://www.ris.ac.jp/ds/movlist/

★ 立正大学データサイエンス学部で学ぶ内容

◆ 段階的なカリキュラム
1年次には、必修科目を通じてデータサイエンティストに求められる幅広い知識・技術の基礎を固めます。2年次以降は、自身の興味・関心に合わせてデータサイエンスの応用分野(ビジネス、社会、観光、スポーツ)や、より高度な統計、機械学習やプログラミングなどに関する科目を選択して学んでいきます。

◆ 文理融合型の学び
問題をデータから発見する"文系的な発想"とデータを用いて解決していく"理系的な視点"のどちらも大切です。データサイエンスの様々な分野での実績を持つ教授陣による講義と、実際にデータを用いてビジネスを展開する企業や組織との連携によるインターンシップやフィールドワークといった実践的な学びによる【文理融合型】のカリキュラムを展開。データサイエンスを広く実社会に応用し、社会のあらゆる現場で新たな価値を生み出す即戦力となる人材を養成します。

★ 立正大学データサイエンス学部で学ぶ内容

◆ 段階的なカリキュラム
1年次には、必修科目を通じてデータサイエンティストに求められる幅広い知識・技術の基礎を固めます。2年次以降は、自身の興味・関心に合わせてデータサイエンスの応用分野(ビジネス、社会、観光、スポーツ)や、より高度な統計、機械学習やプログラミングなどに関する科目を選択して学んでいきます。

◆ 文理融合型の学び
問題をデータから発見する"文系的な発想"とデータを用いて解決していく"理系的な視点"のどちらも大切です。データサイエンスの様々な分野での実績を持つ教授陣による講義と、実際にデータを用いてビジネスを展開する企業や組織との連携によるインターンシップやフィールドワークといった実践的な学びによる【文理融合型】のカリキュラムを展開。データサイエンスを広く実社会に応用し、社会のあらゆる現場で新たな価値を生み出す即戦力となる人材を養成します。

★ データサイエンス学部の学生支援・制度
　
◆ キャリアサポートセンター
入学時の4月からキャリア教育をスタートし、【キャリア開発基礎講座】をはじめ、講座やプログラムも充実。さらにキャリアカウンセラーが学生一人ひとりの志望に寄り添う個別就職相談など、就職のサポートも万全です。

◆ 卒業生とのネットワーク
技術進歩の早い分野のため、常に最先端の知識が必要です。本学部では卒業生たちと在学生たちが情報交換・知識習得の機会や最新情報の提供が可能な場を用意し、最新の知識を身につけられる環境を整えます。

◆ ノートパソコン貸与(全学生対象)
双方向授業、e-learning 、オンデマンド学習、反転授業など、多様な取り組みを実施するために、全学生にノートパソコンを貸与します。

★ 立正大学データサイエンス学部・家富洋教授が分担執筆した書籍【スポーツデータサイエンス】が朝倉書店から出版されました。

本書は、スポーツ科学に関するデータサイエンスの基礎から応用まで学習できる入門書となっており、家富教授は 第3章「スポーツ科学における統計分析手法」、第5章「データ資源の生成：パスの測定を事例として」、第9章「サッカーにおける集団プレーの抽出とその指標化に向けて」、第10章「サッカーにおける得点化傾向の時間依存性」を担当されました。

◆立正大学データサイエンス学部：https://www.ris.ac.jp/ds/news/hca0a70000000y2t.html

◆朝倉書店・【スポーツデータサイエンス】：https://www.asakura.co.jp/detail.php?book_code=69048

★ 気象データを使ったデータサイエンス

気象・気候の変化は、様々なビジネスに大きな影響を与えます。
例えば、農業は気温・雨量・日照といった気象条件、水産業は水温・波・風等の気象条件によって、特に影響を受けやすい業種です。また、鉄道・航空等の交通機関や、物流業、宿泊・観光業等も、異常気象の発生によって大きな影響を受けます。

◆農業
気象データとAI・IoTの技術を連携させる事で、より正確な管理と適切な収穫時期の見極めを容易にし、作物の高品質化を図る事に繋がります。

◆ メーカー・物流業・小売業
メーカー・物流業・小売業にとって、「いつ」「どの商品」が「どれだけ」売れるかを正確に分析する事は重要な課題です。これらが分析できれば、商品の不足や過剰供給を防ぐ事ができ、生産性の向上を図ることができます。
商品の売れ行きについての気象データの活用で、例えばコンビニなどに於いて暑くなればビールや清涼飲料水、アイス等が売れ、寒くなればおでんや肉まん等が売れます。雨になればビニール傘の売上げが好調になります。

◆医療関係
特定の気象条件で痛み、吐き気、めまい等の症状が生じる「気象病」があります。
例えば、毎日の体調を記録しておけば、気象データとの相関関係を自動的に分析してくれるアプリを使って、日々の体調をあらかじめ予想する事ができます。
他にも、花粉症、インフルエンザ、デング熱といった季節性の病気の蔓延予想等にも気象データは有効活用ができます。

DIAMOND on LINE　 2020.08.17

第1回：2021年春、新学部を開設。なぜ今、データサイエンスなのか？
立正大学 / データサイエンス学部

★ データサイエンスとスポーツ
【 データに基づいて意思決定するプロセスを身に付ける】
　立正大学データサイエンス学部
　永田聡典（ながたあきのり）講師：https://diamond.jp/articles/-/245924?page=3

★ データサイエンス学部と情報学部の違いについて

◎情報学部はインフォマティクスとコンピュータサイエンスの2系統があります。

・インフォマティクスは【情報学】の事で、「情報」が関係する分野全てという広範囲の学問です。筑波大学 情報学群 知識情報・図書館学類みたいなところです。

・コンピュータサイエンスは計算機科学のことで、IT（コンピュータ＝機械）の仕組みについて学ぶ学問です。情報学部や工学部の情報工学科に相当します。

・データサイエンス学部は新しい学問で、統計学を用いてデータを分析し、新たな知見を得る学問です。ITを使用した統計手法（=機械学習）と人口知能 (AI) を作成する手法を学びます。

★ データサイエンス学部とデータサイエンス学科の大きな違いとは？

一般的に、学部としてデータサイエンスを備えている大学と、そうでない大学の大きな違いは、教授の層や人数、今までの研究の内容など学術面における充実度が挙げられると思います。
その上、大学院が設置されていれば、更に学術面での充実度が上がると思います。

★ 狙い目・穴場の私立大学データサイエンス学部・学科　

・中央大学理工学部ビジネスデータサイエンス学科
・武蔵大学社会学部グローバルデータサイエンスコース(GDS)
・武蔵野大学データサイエンス学部(ソーシャルイノベーションコース、AIクリエーションコース、AIアルゴリズムデザインコース)
・立正大学データサイエンス学部(ビジネス分野、社会分野 < 環境、水循環・水質、気象、災害、交通、etc. > 、スポーツ分野、観光分野)

★立正大学データサイエンス学部が「応用基礎レベル」に認定されました。

立正大学データサイエンス学部が文部科学省が認定・選定する「数理・データサイエンス・AI教育プログラム認定制度（応用基礎レベル）に学部・学科単位で認定されました。学部・学科単位での認定は、41プログラム（国立大学１８、公立大学２、私立大学１５、高等専門学校６）でした。

この認定制度は、大学等の正規の過程で数理・データサイエンス・AIを活用して課題を解決するための実践的な能力を育成することを目的として、数理・データサイエンス・AIに関する知識及び技術について体系的な教育を行うものを文部科学大臣が認定及び選定して奨励することにより、数理・データサイエンス・AIに関する実践的な能力の向上を図る機会の拡大に資することを目的としています。
データサイエンス学部では学部設置より「経済価値の創造を担うデータサイエンティストとしての資質を有する人材、すなわちデータの収集・加工・分析に関する基本的な知識・技能を身に付け、データに基づきビジネスの現場で新たな価値創造の担い手となり得るような人材」の育成に取り組んでいます。

データサイエンス学部が「応用基礎レベル」に認定されました：https://www.ris.ac.jp/ds/news/hca0a70000000zh8.html

★文部科学省：「数理・データサイエンス・AI教育プログラム認定制度」について
　令和4年（2022年）度の認定・選定結果のお知らせ

◆本制度の目的
数理・データサイエンス・AI教育プログラム認定制度は、学生の数理・データサイエンス・AIへの関心を高め、それを適切に理解し活用する基礎的な能力（リテラシーレベル）や課題を解決するための実践的な能力（応用基礎レベル）を育成するため、数理・データサイエンス・AIに関する知識及び技術について体系的な教育を行う大学等の正規の過程（教育プログラム）を文部科学大臣が認定及び選定して奨励するものです。これにより数理・データサイエンス・AIに関する基礎的な能力及び実践的な能力の向上を図る機会の拡大に資することを目的としています。

※参考資料
◆AI戦略2019と数理・データサイエンス・AI教育プログラム認定制度について

●背景・目標
・デジタル時代の「読み・書き・そろばん」である「数理・データサイエンス・AI」の基礎などの必要な力を全ての国民が育み、あらゆる分野で人材が活躍する環境を構築する必要
・AI戦略2019の育成目標 {emj_ip_0675} 2025年度
１）リテラシーレベル：約50万人 / 年、　２）応用基礎レベル：約25万人 / 年、
３）エキスパートレベル：約2000人 / 年、　４）トップレベル：100人程度 / 年

●主な取り組み
１）トップ人材の育成・学位のブランド化
２）コンソーシアム活動
３）認定制度の構築・運用

「数理・データサイエンス・AI教育プログラム認定制度」について
令和4年（2022年）度の認定・選定結果のお知らせ：https://www.mext.go.jp/content/20220824-mxt_senmon01-000188414.pdf

◆ NHKスペシャル---中流危機を超えて---より
2022.9.18.放送

★ 日本の世帯所得の中央値

1994年 : 505万円
2019年 : 374万円

・日本の世帯所得の中央値は、この25年で約130万円減少しています。
・他の先進国の世帯所得の中央値は、この25年で増加しています。
・2019年の374万円は、同じ年の韓国の世帯所得の中央値よりも低いそうです。

※ こらからの人材はIT (情報技術)、AI (人工知能)やデータサイエンスの知識・技能を駆使して、ビッグデータの分析・活用が出来るかどうかによって、あなたの収入 (所得)が年間374万円を上回るか、それとも下回るかの時代になります。

★ 【立正大学データサイエンス学部・永田研究室】
S&C CORPORATION sport-science.jp 2022/06/21
その１　

◆ Ｃ - Force カーボンフォースプレートについて
・アスリートのパフォーマンス診断に関する38年超の研究とトレーニング指導経験に基づいて開発された最新のカーボンフォースプラットフォームです
・トレーニング現場における測定とモニタリングを前提としたポータブル性と信頼性の両立を実現しました
・1台のプラットフォームだけでのシメントリー分析と重心動揺分析を実現します
・Ballistic Measurement System による、リアルタイム分析が可能です

◆ ポータブルフォースプレート C-Force プラットフォームを使った計測モニタリング

立正大学データサイエンス学部・永田研究室では、さまざまな計測機器を使ったデータのモニタリングを学生が学んでいます。この度、新たにポータブルフォースプレートC-Force プラットフォームを導入して、さっそく学生たちが計測を行いました。

・フォースプレートを使用してアイソメトリックミッドサイプル (IMTP) の最大筋力と、カウンタームーブメントジャンプ (CMJ) のピーク筋力の比率：DSI (※) を計測し、トレーニングの方針の修正に役立てることが出来ます。
・このモニタリングでは、0.6台の選手もいれば、0.85以上になる選手もいて、いかにポテンシャルを爆発的な筋力発揮に活かせているかという新たな指標で議論が盛り上がりました。
※ DSI：ダイナミック・ストレングス・インデックスの略 IMTP 中の最大筋力に対し、ジャンプ動作中に何％力が発揮できるかという指標。