MENU
教育Education

データサイエンス

データサイエンス 学位プログラム

ビジネス、医療、スポーツなど各分野のAI及びデータサイエンス領域において、次代の道を切り拓く、トップ&マネジメント層を発掘・育成します。

データサイエンス学位プログラムポスター

01_20220927_データサイエンスポスター(20221020・24説明会用)

■オンライン説明会
①2022年10月20日(木)17:30~18:00
ご登録はこちらから

②2022年10月24日(月)12:15~12:45
ご登録はこちらから

お問い合わせはデータサイエンス学位プログラム(d.science@juntendo.ac.jp)までご連絡ください。
■案内事項
・受験希望者はオンライン説明会①②のいずれかに原則参加必須
・説明会参加後に受験を希望する方は、履歴書および研究計画書(どちらも指定様式あり)を期日までにご提出頂くため、必ずご連絡ください。
 提出期日:11月1日(火)17:00
 提出方法:d.science@juntendo.ac.jp 迄 メールにてPDFファイル送付

教育の特色

◇AI及びデータサイエンスのトップ人材による講義

学術及びビジネスの最前線でトップとして活躍する教員を招聘。
最先端の研究や技術等に基づいた実践型の講義を提供します。

◇AI先端企業との産学連携講座

企業や研究機関との産学連携・共同研究の実績豊富な本学が、データサイエンス学位プログラム実現のため、世界的AI関連企業とのコラボレーションを推進。
応用科目群ではトップクラスの産学連携教育プログラムを受講することができます。

◇「医療」「スポーツ」 × AI

医療データやスポーツデータの2次利用、ヘルスイノベーションなど、本学伝統分野の「医療」「スポーツ」を基礎に、AIとの結合・融合によって、次世代の技術や価値を創造していきます。

◇働きながら研究に打ち込める環境を支援

キャンパスは御茶ノ水駅徒歩7分。抜群の好立地と言え、都内の各所から容易にアクセスが可能。仕事帰りに学べることが可能です。
また、学費については、多くの社会人に学んでいただけるよう、平均より低く設定しています。

人材養成の目的

データサイエンス学位プログラムでは、AIに関する知識とスキルを修得し、医療・健康・スポーツをはじめ、種々な場面で蓄積されたビッグデータを解析分析し、課題解決策や新たな価値を創造できる人材を養成します。
コース名医科学コース
学位プログラム名データサイエンス 学位プログラム
取得できる学位の種類修士(医科学)

大学院生が所属する教育研究分野

  • データサイエンス
    (大学院生の所属先正式名称)
    医学研究科 医科学専攻 修士課程 データサイエンス

教員紹介

青木茂樹 データサイエンス学位プログラム長/放射線診断学教授

医学系大学院に設置されたこのデータサイエンス学位プログラムでは、医学を中心にビジネス・スポーツなど各分野のAIおよびデータサイエンス領域を、この分野になじみの少ない者にも、すでに統計やコンピュータ等のある程度のスキルのある者にも対応し、医学とデータサイエンスの両方の知識を俯瞰的に身につけ、  さらにその中で得意分野のある人材を養成 し、 次代の道を切り拓く、トップ&マネジメント層を発掘・育成することを目的とします。
担当講義医用画像解析概論
専門分野医用画像、放射線医学、脳科学、画像統計解析

青木茂樹 データサイエンスコース長/放射線診断学教授

岩崎 学 客員教授

データサイエンスを構成する学問分野は統計学と情報科学であると言っても過言ではありません。したがって,統計学に関する正しい知識と適切な分析スキルの習得は,医療分野に限らずすべての分野で活躍が期待されているデータサイエンティストが身に付けるべき基本事項となります。
私の授業および学生指導では,実社会での応用を強く意識し,統計的な分析手法の中でも多変量解析法と呼ばれる手法群について,まずはその理論的な枠組みを学習します。それと共に,統計手法の実データへの適用の際に注意すべき諸点を分かりやすく例示しながら,演習・実習を用いた実技上のスキルを向上させることを目的とします。
担当講義・統計学実践
・多変量データ解析
専門分野統計的データ解析の理論と応用

岩崎 学 先生

姫野 龍太郎 特任教授

担当するコンピュータ概論(原理・歴史)では、コンピュータの原理とともに、これまで発展してきたコンピュータの歴史を学ぶとともに、今後のさらなる進化の方向について、自ら見通しを持つことができるようになることを目指します。
データサイエンス研究演習III(ヘルスデータ解析)では、実際の運動教室や計測会で得られたデータを使い、どのような項目の計測が効果的かや、転倒の可能性と関連する項目は何かなどの分析などを、演習を通して体得します。
担当講義・コンピュータ概論(原理・歴史)
・データサイエンス研究演習III(ヘルスデータ解析)
専門分野計算科学、バイオメカニクス

姫野 龍太郎 先生

渡辺 哲也 客員教授

データサイエンスの知見は国際ビジネス、マネジメント、起業、イノベーション、国際政治の現場を急速に変貌させています。この科目では、データビジネスの最前線で活躍する国内外の専門家を招き、現場の動きを紹介して頂きながら、参加者との活発な意見交換を通じて、参加者がデータサイエンスの知見をどう自分の将来へ結びつけていくか、考え始めるヒントやきっかけを提供します。特に、グローバルな視野で知識を吸収し、発想することを重視します。その中で、次代を切り拓く、トップ&マネジメント層を発掘・養成することを目指します。
担当講義データサイエンス産業政策論
専門分野データと国際ビジネス、マネジメント、スタートアップ、イノベーション、国際政治

渡辺 哲也 先生

石角 友愛 客員教授

現在、世界中の様々なところでビジネスのインフラとなっているAI技術ですが、日本ではまだ正しい理解が進んでいません。AI「が」私の仕事を奪う、のではなく、AI「を」使って私の仕事をより付加価値の高いものにする、そのようなマインドセットが今の私たちには必要なのだと思います。
私の講座を通じて、AI「を」使って付加価値の高いビジネスモデルを構築するのに大切な視点やその手法を学んでいただけたら幸いです。
担当講義産学連携講座:パロアルトインサイト
専門分野AIビジネス、データ活用、ITビジネス、企業戦略、経営論、IoT、機械学習やディープラーニングを使ったビジネスモデル構築、AIビジネスデザイン、DX、イノベーション、アメリカのIT企業戦略、スタートアップ

石角 友愛 先生

渡辺 康仁 客員教授

人口減少への対応や、これまでになかったようなビジネス課題に対して解決が求められる中で、AIはこれら課題を解決していく可能性を持っています。一方で、実際にAIを活用しようとすると様々なハードルが出てきます。
本講義では、これらのハードルを乗り越えていけるように、予測を伴う業務を見つけ、AI導入による業務効率化、業務改善を継続的に推進していくために必要なスキルを磨いていけるような取り組みを予定しています。
AIを具体的にどのようにビジネス領域の課題解決や新規ビジネス創出に活用するのがよいか考えられるようになり、課題解決にむけて計画をたて実行していくスキルを高めることを到達目標とします。
担当講義産学連携講座:AI inside
専門分野データサイエンス

渡辺 康仁 先生

柴山 和久 客員教授

位置情報ビッグデータ(人流データ)はスマートシティ構想、災害医療支援対策、新型コロナのパンデミック対策や経済復興対策、公共交通施策、カーボンニュートラル対策など様々な分野で活用されています。
本データサイエンス学位プログラムでは人流ビッグデータ解析の基礎を学び、人流ビッグデータによる新型コロナ対策解析や災害情報支援解析、経済復興支援解析、交通状況解析など様々な具体的解析事例からデータサイエンティストとして重要となる洞察力の向上を目標としています。
担当講義産学連携講座: Agoop (ソフトバンク)
専門分野データサイエンス

柴山 和久 先生

金井 良太 客員教授

AIをビジネスで活用するために必要な知識とスキルを身に付けることを目標とします。AI技術を提供するスタートアップの現状や今後の展望について紹介し、ビジネスにおいてAI技術を導入する際の進め方などについて広く紹介します。AIの活用を検討している企業や、AI技術を提供するベンダー側の間で、どのような技術的理解やコミュニケーションが必要となるのか、具体的な適用事例を通して議論し、実践で活かせる知識を提供します。また、AI技術がビジネス応用と共に社会に浸透していく際に考慮すべき社会的な課題についても議論します。
担当講義産学連携講座:アラヤ(AIビジネス社会論)
専門分野認知神経科学

金井 良太 先生

栄藤 稔 客員教授

人工知能と医療の共同研究、膨大なデータを保有する通信事業におけるデータ解析、AIクラウド事業、医療・福祉分野での起業等を経験した著名な専門家14人が登場して1コマ1事例紹介の授業を通して最先端技術とデータサイエンス事業を説明します。
担当講義データサイエンス特別招聘講義
専門分野情報科学

栄藤 稔 先生

吉原 博幸 客員教授

医療機関の電子カルテデータを集積して共同診療に役立てることをEHR(Electronid Health Record)と呼びます。更にEHRに家庭、職場、社会で発生する医療関連データを統合したものをPHR (Personal Healthcare Record) と呼びます。人々の健康を、未病、医療、終末期と人生全てにわたって適切にケアするために、PHRを安全で効率よく共有するシステムを社会基盤として構築します。これを単に患者本人の治療にのみ役立てるのでなく、広く医療技術、新薬開発などに利用し、未来の医療を作り出すことが必要です。これらを実現するために必要な技術、法律などの紹介と、EHR・PHRの開発史、現在の取組、問題点と将来展望について講義します。
担当講義医療データの2次利用概論
専門分野医療情報学

吉原 博幸 先生

粂 直人 客員教授

当然のことながら医療データは分析技術があれば誰でも手放しに使えるものではありません。技術と法制度の両方を勘案しつつ適切に取り扱う環境を確保した上で初めて新たなデータ活用の道を拓いていくことができます。担当科目では,情報セキリティ,プライバシー保護技術といった技術と,個人情報保護法等法制度の設計と運用を勘案しながら議論をすすめ,適切に医療データの利活用を促進できる人材の育成を目指します。
担当講義データサイエンス演習Ⅲ(セキュリティ)
医療データの二次利用概論
専門分野医療情報学,Electronic Health Record (EHR),医用バーチャルリアリティ

粂 直人 先生

近藤 宏樹 客員准教授

現代のデータサイエンスを学ぶ上では、データサイエンスの様々な方法論に親しむことはもちろん重要ですが、データを適切に分析し問題解決を行っていくためには、背後にある数学的知識や統計学の基本的な考え方を正しく理解しておくことも必要です。本データサイエンス学位プログラムでは、数学的な知識に十分馴染みがない方でも、基礎から身に付けることの可能な科目を履修することができます。数学や統計の素養を基に、データサイエンス領域で活躍する人材が輩出されることを願っています。
担当講義・基礎数学概論(数理科学)
・確率と統計
専門分野確率論

廣津 信義    教授/大学院スポーツ健康科学研究科

データサイエンス学位プログラムの中で、本科目「スポーツデータとAI」では、スポーツ現場におけるデータの利活用について学びます。複数の教員によって、スポーツ健康科学の様々な分野においてデータがどのように利用されているかを解説します。スポーツ現場での先進的なAI活用の事例の紹介も行い、Grワークを通してスポーツ現場でのAI活用に関して考える機会を持ちます。
担当講義スポーツデータとAI
専門分野オペレーションズ・リサーチ、スポーツデータアナリティクス、経営科学

廣津 信義 先生

田村 好史 教授/国際教養学部/健康総合科学先端研究機構

健康寿命の延伸は、我が国を筆頭に、全世界で重要な健康課題と捉えられていますが、この領域におけるデータサイエンスの役割は大きく、様々なテーマで研究が推進されています。本学のスポートロジーセンターでは、メタボリックシンドロームや文京区在住高齢者の調査(Bunkyo Health Study)を行い、データベースを構築し、遺伝と生活習慣のインターアクションを念頭においた解析など、幅広く研究を進めています。担当科目においては、健康寿命の延伸に関係する基本的な事項とともに、それらのデータがどのように活用されるのかについて学びます。
担当講義健康寿命延伸とデータサイエンス
専門分野代謝内分泌内科学、運動生理学

田村 好史 先生

鍵山 暢之 准教授

医療におけるデータサイエンスの活用が盛り上がっていますが、現実には医療の世界で手に入るデータがそのまま統計モデルや人工知能などで処理できるわけではなく、まずはそれらの処理に適した形にデータを整理(データハンドリング)していくことが必要です。本講座ではSQLとRなどのプログラミングを用いて、再現性を担保しながら効率よくデータを整理する術を、演習形式の授業を通じて学びます。
担当講義データサイエンス演習Ⅰ(データハンドリング)
専門分野循環器内科学、医療人工知能、デジタルヘルス

鍵山 暢之 先生

授業科目一覧

*以下の授業科目は、現時点の開講予定科目であり、今後、変更となる場合があります。

基礎教育科目

区分授業科目単位数必修/選択
医科学共通医科学概論Ⅰ(生化学・生理学)2必修
医科学概論Ⅱ(人体機能構造学)2必修
医科学基礎医科学研究方法論Ⅰ1必修
医療倫理学2必修
データサイエンス基礎医科学研究方法論Ⅰ1必修
医療倫理学2必修
コンピュータ概論(原理・歴史)2必修
プログラミング演習Python2必修
人工知能概論(機械学習・深層学習含)2必修
情報法制2必修
基礎数学概論(数理科学)2選択
基礎数学(線形代数・微分積分)2選択
臨床疫学 ※12選択
統計学実践2選択
力学系・非線形科学入門 2必修
自然言語処理2必修
確率と統計2選択
基礎生物統計学2選択
MATLABを活用した宇宙画像解析1選択
スポーツデータとAI2選択
脳の仕組みと人工知能2選択
※1:公衆衛生学コースとの共同開講科目

専門教育科目

授業科目単位数必修/選択
医療データの2次利用概論2選択
多変量データ解析2選択
健康寿命延伸とデータサイエンス1選択
医用画像とデータサイエンス概論1選択
データサイエンス産業政策論2選択
AIがもたらす課題と社会原則、制度、政策2選択
産学連携講座:AI技術とビジネス活用2選択
データサイエンス演習Ⅰ(データハンドリング)2選択必修
データサイエンス演習Ⅱ(Web)2選択必修
データサイエンス演習Ⅲ(セキュリティ)2選択必修
データサイエンス研究演習Ⅰ(画像診断)(事例研究)2選択必修
データサイエンス研究演習Ⅱ(医療データ解析)(事例研究)2選択必修
データサイエンス研究演習Ⅲ(ヘルスデータ解析)2選択必修
多次元データビジュアリゼーション2必修
計算論的神経科学2選択
応用生物統計学 2選択
データサイエンス概論2選択
医用画像解析入門(医用画像解析の基本と臨床応用)1選択
データサイエンス特別招聘講義2選択
産学連携講座:パロアルトインサイト1選択
産学連携講座:AI inside1選択
産学連携講座:Agoop(ソフトバンク)1選択
産学連携講座:NEC1選択
産学連携講座:富士フィルム1選択
産学連携講座:アラヤ(AIビジネス社会論)1選択
産学連携講座:IBM1選択
産学連携講座:ジョルダン(機械学習を活用したスマートフォンアプリ開発演習)1選択

研究指導科目

授業科目単位数必修/選択
データサイエンス研究Ⅰ2必修
データサイエンス研究Ⅱ2必修
データサイエンス研究Ⅲ2必修
データサイエンス研究Ⅳ2必修
※所属する研究分野(データサイエンス)が開講する特別研究科目を履修する。

修了要件

基礎教育科目(データサイエンス基礎)12単位(必修)、専門教育科目から6単位以上、研究指導科目8単位(必修)、計30単位以上を修得し、必要な論文指導を受け、本大学院が行う修士論文の審査及び最終試験に合格すること。
※基礎教育科目(医科学共通、医科学基礎)の科目については、入学前に大学教育レベルの教育を受け、単位取得していない場合は、履修を必須とする(オンデマンド受講可)。

学費、入学試験等について

  • 学費(授業料について)
    他のコース(医科学コース、公衆衛生学コース、ヘルスコミュニケーションコース)とは授業料が異なりますのでご注意ください。具体的な金額等については学費のページをご覧ください。 

本コースに関するお問い合わせ

<連絡先>
研究指導責任者:青木 茂樹 教授
メール宛先:d.science★juntendo.ac.jp
   (★を@に変えてお送りください。)