| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 データサイエンス基礎 | 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しており、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。 | 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概ね理解しており、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。 | 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できておらず、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ない。 |
評価項目2 データエンジニアリング基礎 | データを収集・処理・蓄積するための技術の概要を理解し、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している。 | データを収集・処理・蓄積するための技術の概要を概ね理解し、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している。 | 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ておらず、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していない。 |
評価項目3 AI基礎 | 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しており、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できている。
また、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しており、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できている。 | 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の概要を理解しており、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概ね理解できている。
また、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しており、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できている。 | 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しておらず、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できていない。
また、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しておらず、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できていない。 |