大学院等高度副プログラム「DSデータ科学」

「DSデータ科学」は，即戦力のデータサイエンティストを養成することを目指します．データ科学は，数学や物理学などのハードサイエンスの直接的な適用で解決できない課題に対するアプローチとして有効です．ハードサイエンスを無視するわけではなく，ハードサイエンスによる知識知恵を最大限活かすことで統計モデルを構築し，それをデータから検証するというのが一つの典型的なパターンです．
　独り立ちレベルのデータサイエンティストを輩出するため，構成科目には，理論を扱う講義科目に加えて，実際的な演習や実習を組み入れています．データ分析には徒弟制度的な要素があり，それを少人数の演習・実習・PBLで実現します．データを分析する技術も大事ですが，データ分析による結論の誤謬を最小化し説得性をもたせる，つまり，データ分析が実際に役に立つためには，エビデンスに基づく科学的方法(e.g., evidenced-based medicine, evidenced-based policy)を目指す必要があります．たとえばPPDAC(Problem-Plan-Data-Analysis-Conclusion)と呼ばれるデータ科学の定石をマスターすることがその第一歩になります．
　「DSデータ科学」には，既存の大学院等高度副プログラム「データ科学」に対応する6つのコースを用意し，受講生の専門分野に広く対応するものとなっています．つまり，「DSデータ科学」は従来の「データ科学」と対になり，座学中心の「データ科学」は主に広い視野を持つためのもの，「DSデータ科学」は実践的なプログラムという違いがあります．両方に登録し修了することも可能です．選択必修科目A群はコース共通のコア科目で演習，実習，インターンシップなどが用意されており「DSデータ科学」固有の構成科目，選択必修科目B群と選択科目はコースの特徴を表す科目群からなっており従来の「データ科学」と共通です．
　本プログラムは，文部科学省の未来価値創造人材育成プログラム「超スマート社会の実現に向けたデータサイエンティスト育成事業」の取組「独り立ちデータサイエンティスト人材育成プログラム (DS4)」として実施されます．

統計関連科目を受講していること．研究や実務等において実データ解析を行った経験があることが望ましい．

統計検定2級対応「統計学基礎」（改訂版）東京図書のレベルを基準とします．データ解析環境Rの利用経験があったほうがよい．

各コースの構成科目は，選択必修科目A群とB群，そして選択科目から成る．選択必修科目A群は6つあるコースに共通のコア科目である．DSインターンシップはデータサイエンティストを雇用している企業に2週間派遣され，データ科学の実際を現場で体験する．実証型研究法は，各受講生がもつ実証的課題（修士論文のテーマもOK)をもちより，データ科学的観点からレビューを受け，一段上の論文完成を目指す．データ科学PBLは合宿形式で行う予定で，受講生をグループ分けし，与えられた各種のデータをグループで分析し報告するという形式の実習である．最後に，教員が用意した基準解答的な分析が示される．データ科学各論はオムニバス形式で，日本で活躍するデータサイエンティストや現場の実務家教員によるデータ科学の講義である(2020年度より開講)．選択必修科目B群と選択科目はコースの特徴を表す科目群からなっており（従来の）副プログラム「データ科学」と共通である．

以下に各コースの特徴である選択必修科目B群の代表的科目を記す．

「DS統計数理コース」多変量解析，統計的推測，時系列解析

「DS機械学習コース」機械学習とデータマイニングの基礎，統計解析Ⅰ, Ⅱ，統計モデリング

「DS医学統計学コース」医学統計学総論，医学統計学各論，クリニカルトライアル総論

「DS保健医療統計学コース」保健情報論，看護工学I，医学統計学総論

「DS経済経営統計学コース」計量経済I，行動統計科学特講I，マーケティング・サイエンス

「DS人文社会統計学コース」行動統計科学特講I，計量社会学特講，計量経済分析Ⅱ