現在、さまざまな分野でビックデータと呼ばれる莫大なデータを活用し、ビジネスが展開されています。データサイエンティストとは、その莫大なデータを色々な角度から考察し、必要に応じて抽出、組み合わせる等により最適な解を導き、わかりやすく可視化することができる技術者のこと。これからの時代は、ただデータを集めるだけでなく、それをいかに活用できるかが重要。データサイエンティストのニーズは年々高まっており、求人数も増加の一途をたどっています。
データサイエンス+AI科
2年制／専門士
データサイエンスを学ぶ
学生&先生の本音トーク！
データサイエンス+AI科を選んだ理由は？入学前不安だったことは？授業は楽しい？先生はどんな人？など、気になるアレコレを今年度入学した1期生たちに質問！
今、学んでいる学生だからこそ話せるデータサイエンス+AI科の“リアル”をチェック！！
AIの技術とデータの活用をとおして、社会への提案力を身につけよう。
ビッグデータに注目が集まり、さまざまな分野でデータが収集され活用されています。DX社会の到来で、IT企業はもちろん、行政、マーケティング、建築、医療、農業などあらゆる分野で、データサイエンスによる技術革新が起こっています。データサイエンティストには、分析を通じて人や社会を動かす提案を示すことが、ますます求められます。最先端の技術とビジネスをつなげ、世の中を良くするための提案・解決力を身につけましょう。
データサイエンス+AI科
金井 伸也 科長 インタビュー
金井 伸也 科長 インタビュー
データサイエンティストになる
AIの普及で今後ますます必要とされる
データサイエンティストになれる学科
近年、IoTデバイスの急速な普及などにより、
収集されるデータは増え続けています。
ビジネスの現場で、もはや当たり前となっている
AI（人工知能）の活用を含め、
データサイエンスを学び、ビッグデータから
価値を創出するスキルを身につけます。
データサイエンティストとは？
私たちは、＜データサイエンス＋AI科＞の
カリキュラムを高く評価しています
ー当科教育課程編成委員の声ー
株式会社Rejoui 代表取締役一般社団法人 データサイエンティスト協会 スキル定義委員
菅 由紀子さん
実践的で手厚い“リッチなカリキュラム”
とてもリッチなカリキュラムだと思います。理論に留まらず、まんべんなく演習を散らし、体験から理論の流れの中で、何のために学ぶのか目的を持って授業に臨めるでしょう。また、企業課題においては、問題を見つけ、そこにどうアプローチするか、データをどう入手してくるかを考えることが実務に繋がります。そうした点で、かなり実践的で手厚いカリキュラムと言えます。
チームで取り組む企業課題等をとおして、
問題解決力とコミュニケーション力を磨く
データサイエンティストに求められるスキルは多岐に渡っており、かつ日進月歩です。データサイエンティスト協会が出しているスキルチェックリストも2年に1回更新しています。しかし、求められる基礎的な部分の重要性は変わりません。東京テクニカルカレッジの、この新科のカリキュラムをとおして、まずは基礎をしっかりと学んで欲しいと思います。そして、チームで取り組む企業課題等をとおして、問題解決力やコミュニケーション力も磨いて欲しいです。
ヤフー株式会社 COO 検索統括本部検索プラットフォーム開発本部 開発４部
一般社団法人 データサイエンティスト協会 スキル定義委員
北川 淳一郎さん
WillBooster株式会社 代表取締役社長早稲田大学 研究院客員准教授 国立情報学研究所 客員准教授
株式会社リビングロボット アドバイザー
坂本 一憲さん
データサイエンスは意思決定における
“羅針盤”
データと向き合い、新たな事実と出会う
データサイエンスはあらゆる意思決定における羅針盤となります。また、AI技術と組み合わせることで、ある程度の判断を自動的におこなうこともできます。そうした中、淡々とデータを分析するだけでなく、データの中にどんな事実が埋もれているのか、データと向き合う時間を楽しむことが重要です。是非、東京テクニカルカレッジのカリキュラムをとおして、どんなデータと出会い、どんな事実と出会えるか、ワクワクして学習を進めてほしいと思います。
データサイエンティストに
なるためのカリキュラム
技術力とビジネス力が、2 年間で
しっかり身につくカリキュラム
当校で育成する データサイエンティスト
当校ならではの実践的な学び
- 基礎
- 理論だけに留まらず、演習を繰り返す体験の中で、深い理解に到達することができます。
- 応用
- 企業課題をとおして、チームで問題解決に取り組むことで、ビジネスにおける実践力を身につけることができます。
カリキュラムのポイント
データサイエンティストに必要なスキルは、データエンジニアリング力・データサイエンス力・ビジネス力です。この３つの力を養うために以下の技術を修得します。
- データエンジニアリング力
- データサイエンス力
- ビジネス力
コンピュータ・教養
データエンジニアリング力をつけるにあたり、ＩＴの基礎、インターネット、クラウドシステムについて学びます。
Python統計分析
統計には、データの特徴から特性を推測する推測統計、集めたデータから表やグラフをつかってデータの特徴を把握する記述統計、情報が得られるたびに確率を変化させていくベイズ統計があります。Python、Excel を使って、目的にあった統計処理ができるように学習します。
Pythonプログラミング
統計を使って、プログラミングすることで、容易に結果を導き出すことができます。プログラミングのスキルをつけ、AI の一部である機械学習・ディープラーニングがおこなえる技術を修得します。
可視化
データサイエンスで重要なのは、結果を可視化（見える化）することです。人にわかりやすく伝えるプレゼンテーション技術と、データサイエンスを可視化するツール「Tableau」を使ったデータビジュアライゼーションを学習します。
データベース
データサイエンスは、たくさんのデータを扱います。データを管理するのに適しているのが、データベースです。必要なデータを抽出、検索、分類できるようにデータベースのアクセス方法、設計方法を学びます。
AI 機械学習
機械学習の技術を使うことで、自然言語処理、音声処理、画像処理等をおこなうことができます。当科では、実務の案件が一番多い「画像処理」に主軸を置き、機械学習で画像処理がおこなえるよう、多くの実例を活用し技術を学習します。
課題分析解決
データサイエンスの実行手順は、「課題定義」「仮説を立てる」「データ収集・正規化」「データ分析」「仮説結果の検証」「理想モデルの提案と可視化」です。ただ分析するスキルを身につけるのではなく、課題定義から解決まで総合的におこなえるようなビジネス力を身につけます。
RJP（リアルジョブプロジェクト）
実際の企業課題、社会課題をテーマにグループでデータサイエンスし、理想モデルの提案と可視化までおこないデータサイエンス全般の力を養っていきます。プロのデータサイエンティストサポートのもと、最適な解決策をつくっていきます。
私たちがカリキュラムをつくりました！
企業と専門学校で実践的なカリキュラムを共同開発
株式会社セラク＋東京テクニカルカレッジ
専門学校でのデータサイエンティスト教育では、理論に留まるだけでなく、問題解決型の授業をとおして実際にデータを扱いアウトプットするような実務で使える教育が重要だと考えました。本カリキュラムは、基本的なスキルの修得から、実際にデータを使い問題解決をおこなう実践まで、好奇心を育みながら学習が円滑に進められるよう構成されています。
株式会社セラク
デジタルトランスフォーメーション本部
AIテクノロジー部 トレーナー
注目の授業（PythonとTableau）
Python（パイソン）
AI開発に欠かせない、将来性の高い
プログラミング言語「Python」を修得します
推測統計、記述統計、ベイズ統計をPython、Excelを使った予測・分析技術を学習します。Pythonプログラミングのスキルを身につけ、AIの一部である機械学習・ディープラーニングがおこなえる技術を修得します。
Tableau（タブロウ）
企業で最も活用が求められる「Tableau」を
当校はいち早く授業に組み込みました。
データサイエンスの技術で重要な要素のひとつが「可視化」。データを分析した結果をわかりやすく人に伝えることも重要です。この可視化するツールの中でも脚光を浴びているのが「Tableau」。データサイエンティストとして必要なデータ収集・蓄積・分析・可視化ができる力を養います。
「Python基礎統計」実習の授業手法
- ❶ 統計事例提示
- まず、分析事例を見て、どんな手法で何が分析できるかを皆で知る。そして考察してみる。またどのような数学・統計手法を使うか知る。
- ❷ 数学・統計授業
- 統計事例に必要な数学・統計を０ベースから学習する。この時間で、必要な数学・統計をしっかり理解する。
- ❸ 本学習(Excel,Python)
- ➁で学習した統計・数学を使って類似テーマで実習をおこなう。
- ❹ スタディアワー
- 理解できなかった部分を復習。理解できている人は、応用課題にチャレンジ。
東京テクニカルカレッジ独自の「わかりやすい」授業
- 数学・統計の知識を０ベースから学習していくので、数学がわからない人もわかる人も復習しながら学べます。
- サポート学習時間（スタディアワー）を取ることで、わからなかった部分を復習できます。
こんな技術者になれる！
- データの分析だけできる技術者ではなく、数値からどのようなことが導けるか予測し、企業や社会に対して問題解決の提案ができる技術者
- ビッグデータが当たり前の時代の中で、過去のデータをもとに、気象予測・商品の販売予測・試験の合格予測などさまざまな分析をおこない、未来に対し最適な改善策を提案できる技術者
こんなシーンで技術が活かされている
SNSを活用した市場調査やPRの効果測定
データの活用で精度、質を高めた天気予報
スポーツの戦略や戦術を決める指針に活用
これからはDXが主流の時代に
DXとは、デジタルトランスフォーメーション（Digital Transformation）の略で、データとデジタル技術を駆使して社会・ビジネス・製品・サービスを変革していくことです。簡単に言うと過去・現在のデータを分析し、その結果をもとに未来を変えていくことです。そのDXの中心技術がデータサイエンスやIoTになります。
用語集
- データビジュアライゼーション
- データ分析の結果を容易に把握できるようにするために、グラフや図形を用いて見やすく表現します。
- 機械学習
- 人工知能の一系統であり、数学的アルゴリズムと自動処理という２つの技術に基づいています。
- ディープラーニング
- 機械学習に関する研究の一領域であり、データを利用して複雑な抽象概念をモデル化します。
- パターン認識
- データ内のパターンを認識する技術です。多くの場合は機械学習と同じ意味で使われます。
-
ヤフー㈱／GMOインターネットグループ／㈱ディー・エヌ・エー／㈱サイバーエージェント／㈱電通／㈱セラク／㈱日経リサーチ／パナソニックソリューションテクノロジー㈱／㈱ウェザーニュース／㈱カインズ／㈱Rejoui ／ヤマトホールディングス㈱ など
-
統計検定2級・3級・データサイエンス基礎（DS基礎）（CBT）／基本情報技術者／ORACLE MASTER Bronze Oracle Database 11g／Tableau Desktop Specialist／G検定／日商簿記検定3級／データサイエンティスト検定など