博多大学は、データ駆動型社会を迎えた我が国産業界が急ぎ必要とされていいるデータプロフェッショナル（データエンジニア、データアナリスト、データサイエンティスト）を養成するため、充実した教員（専門領域研究者）と最新の教育環境を整備する新設大学です。
　データ駆動型社会とは、データが重要な意思決定や行動の基盤となる社会を指します。ここでは、あらゆるデータが収集、分析され、その結果がビジネス、政策、日常生活のあらゆる側面で利用されます。
　現代社会がデータ駆動型社会へと進化している背景には、デジタル化の進展とデータ収集技術の革新があります。毎日、膨大な量のデータが生成され、これを解析し活用することで、さまざまな分野での意思決定が根本的に変わりつつあります。現在、データを効率的に収集し、解析する技術が飛躍的に進歩しています。クラウドコンピューティングの普及により、大量のデータを保存し、アクセスすることが可能になりました。また、人工知能（AI）と機械学習の発展によって、これまで人間が行っていた複雑なデータ解析が自動化され、より高速かつ正確に行えるようになっています。
　このような社会では、データに基づくアプローチが透明性を提供し、個別化されたサービスを実現しますが、同時にプライバシーの保護、データのセキュリティ、倫理的な使用に関する課題も伴います。データ駆動型のアプローチは、経済、医療、教育など幅広い分野でポジティブな変化をもたらす一方で、デジタルディバイドといった新たな社会問題も引き起こす可能性があり、これらを如何にして克服していくかが、データ駆動型社会の未来を左右する鍵となります。その担い手こそがデータプロフェッショナル（データエンジニア、データアナリスト、データサイエンティスト）と呼ばれる専門家です。
データを取り扱う専門家であるデータプロフェッショナル（データエンジニア、データアナリスト、データサイエンティスト）は我が国で決定的に不足していることから、大学にはその養成を急ぎ求められている社会状況です。


データプロフェッショナルの養成は高校での文系学習と理系学習の別とは基本的に関係はありません。
博多大学データサイエンス学部のカリキュラムは文系でも理系でもなく、高校での文系・理系を問わずに学ぶことができます。

３年次後期から専門領域を深掘りする

　データサイエンス学部は一学科の単科ですが、学科には４つの専攻があり、学生は３年生後期にいずれかの専攻に所属して、より専門分野のスキルを高める学修に取り組みます。

経営・データアナリティクス専攻 ・・・・ 企業経営においてデータ駆動型意志決定を支援するデータアナリストを養成します。

ヘルスケア・データアナリティクス専攻 ・・・・ ヘルスケア産業においてデータ分析から有用情報を引き出すデータアナリストを養成します。

ＡＩ・データサイエンス専攻 ・・・・ AI・機械学習による予測モデル構築で課題を解決するデータサイエンティストを養成します。

セキュリティ・データエンジニアリング専攻 ・・・・データ活用基盤を高いセキュリティーレベルで構築するデータエンジニアを養成します。

データプロフェッショナルを養成するカリキュラム

学生は３年生後期にいずれかの専攻に分かれ、専門科目を学修します。入学後3年生の前期までは全員がデータの取り扱いの基礎を学び、その後に専攻に分かれて専門科目を実践演習形式で学びます。カリキュラムの概要は次の通りです。

（クリックすると拡大します）

経営・データアナリティクス専攻　・・・　企業経営においてデータ駆動型意志決定を支援するデータアナリストを養成する。
　経営・データアナリティクスとは、経営上のデータ（顧客情報、生産コストと収益性、市場動向など）を分析することでビジネス上の重要なインサイト（洞察、核心、動機・・・）を明らかにし、企業がデータに基づく業務プロセスの改善や意思決定を支援することです。
　経営・データアナリストは、①ビジネスインテリジェンス（データウェアハウスやダッシュボードなどのツールを使い、企業が持つデータを可視化してビジネスに関するインサイトを得て、企業の意思決定を支援すること）、②顧客分析（企業が持つ顧客データから、顧客の行動パターンや嗜好を把握し、顧客との関係性強化や、新たな顧客獲得のための改善を行うこと）、③マーケティング分析（マーケティング施策に関するデータから、広告やプロモーションの効果測定や改善を行うための手法で、顧客の購買履歴やウェブサイトのアクセスログなどを分析してマーケティング戦略の最適化を行うこと）、④財務分析（企業の財務に関するデータから、収益やコストの分析、財務リスクの評価などを行うために、企業の財務状況を把握して業績の改善や資金調達の計画などを策定すること）などにより、経営プロセスにおけるインサイトを提供してデータ駆動型経営を支えるデータプロフェッショナルです。

ヘルスケア・データアナリティクス専攻　・・・　ヘルスケア産業においてデータ解析から有用情報を見出すデータアナリストを養成する。
　ヘルスケア・データアナリティクスは、病気の治療や予防、健康増進、医療費の削減など、ヘルスケア産業が直面する多くの問題に対処するために、医療や保健に関するデータを収集、分析、解釈し、有用な情報を見出すことです。ヘルスケアとは、個人や社会全体の健康を維持・改善するための、医療や保健などのサービスや取り組みを指す。医療の範疇には、病気やけがの診断・治療、手術、薬の処方、リハビリテーション、看護などが含まれ、保健の範疇には、予防接種や健康診断、栄養指導、生活習慣改善、ストレスマネジメントなどが含まれます。また、これらのサービスを提供する医療機関や医療従事者、保健師や栄養士、介護職員なども、ヘルスケアの一部とされます。近年、テクノロジーの発展に伴い、ヘルスケアの分野でもデジタルヘルスケアやモバイルヘルスケアなどの新しいサービスや技術が生まれており、スマートフォンやウェアラブルデバイスを活用した健康管理アプリや、リモートモニタリング、テレヘルスなどが始まっており、人工知能やビッグデータ解析などの技術も活用されることで、より効率的で効果的なヘルスケアの提供が目指されています。
　ヘルスケア・データアナリストは、電子カルテ、臨床試験データ、医療機器・センサーデバイスデータ、栄養調査データ、運動・スポーツデータ、医療費請求データなど多様なヘルスケアデータを分析することで、治療や健康増進に役立ち、ヘルスケア産業の効率化・省コスト化を支援する有用な情報を見出すデータプロフェッショナルです。

ＡＩ・データサイエンス専攻　・・・　AI・機械学習による予測モデル構築で課題を解決するデータサイエンティストを養成する。
　ＡＩ・データサイエンスは過去や現在の大量のデータを収集・整理・分析して将来のイベントや傾向を予測するツールとしての予測モデルを構築し、その活用によってデータ駆動型意志決定を支援することです。
　ＡＩ・データサイエンティストは、将来のイベントや傾向を予測するために、①問題の定義とデータ収集（予測したい現象や問題を定義し、必要なデータを収集する）、②データの前処理（収集したデータの整理、欠損値や異常値の処理、モデル構築に適した形式への変換など）、③特徴量抽出（データを説明するための特徴量の選択、あるいは新たな特徴量の作成など）、④モデルの選択とトレーニング（適切なモデルを選択し、トレーニングデータを使用してモデルを学習させる）、⑤モデルの評価（テストデータを使用してモデルを評価し、モデルの性能を確認する）とその際に必要となるデータと予測結果の可視化および統合、⑥モデルパラメータのチューニング（ハイパーパラメータの最適化や特徴量の追加・削除などを行ってモデルパラメータをチューニングする）およびその後の問題解決に係わるインサイト（洞察）の取得、⑦モデルのデプロイ（性能が良好なモデルを実際のシステムにデプロイし、予測結果を得る）、といったプロセスを経て予測モデルを構築し、その活用によって価値ある情報を取り出すデータプロフェッショナルです。データサイエンティストは、ビジネス分野のみならず、科学、医療、社会科学、エンターテインメント、教育など様々な分野で活躍しています。

セキュリティ・データエンジニアリング専攻　・・・　データ活用基盤を高いセキュリティーレベルで構築するデータエンジニアを養成する。
　セキュリティ・データエンジニアリングは、大量のデータを扱うために必要となるデータの収集・整理・管理するためのデータ活用基盤を高いセキュリティーレベルで構築し、セキュリティ関連データを収集・分析してセキュリティ上の脅威やリスクを特定して適切な対策を提案するセキュリティ上の脅威やリスクを特定して適切な対策を講じることです。
　セキュリティ・データエンジニアは、①セキュリティインテリジェンス（外部からの攻撃やインサイダーの脅威など、企業に対する様々な脅威についての情報を収集・分析して、早期に脅威を検出するための情報を提供すること）、②セキュリティ情報・イベント管理＝SIEM（企業内のネットワークやシステムから収集されるログ情報を分析することで異常なアクセスや不正行為を検出してその情報を提供すること）、③脅威分析（サイバー攻撃の手法やツールなどに関する情報を収集・分析し、脅威の特徴を理解して早期に検出・対応すること）、④フォレンジック分析（サイバー攻撃による被害が発生したときに、攻撃の経路や攻撃者の特定などを調査するフォレンジック分析を行って被害の原因を明らかにし、再発防止策を講じること。）などを活用して、企業や組織のセキュリティ関連データを収集・分析してセキュリティ上の脅威やリスクを特定して適切な対策を講じるデータプロフェッショナルです。

教育環境　【施設について】

　データサイエンス学部のメイン校舎となる学部棟（１号館）は博多区麦野に置かれ専門教育の学び舎となります。そして、徒歩圏内の板付にある教養棟（２号館と3号館）が学生の教養を深める学修を助けます。
また、本部棟において社会人と机を並べた夏期・春期講座（自由参加）を受けることも可能です。
「建学の精神」にもあるように、街に溶け込んだ校舎の配置を基本方針としています。



（クリックすると拡大します）

2026年4月の開学を目指して準備中の当初校舎の概要は以下のようになります。

学部棟（１号館）　　　
　　６階建校舎（１号館、約5,000㎡）の学部棟は、大学における教育研究の主要な場となる校舎です。
　　　　　1階フロア；　サーバールーム、事務室、コミュニケーション・ワークスペース（ＣＷＳ）、保健室、食堂
　　　　　2階フロア；　大講義室＆準備室、201教室、202教室
　　　　　3階フロア；　PC演習室（301〜304） 、ＣＷＳ、会議室、産学官連携センター
　　　　　4階フロア；　研究室（401〜408） 、ＣＷＳ、卒論研究室4-Ａ、卒論研究室4-Ｂ、印刷室、助手室
　　　　　5階フロア；　研究室（501〜508） 、ＣＷＳ、卒論研究室5-Ａ、卒論研究室5-Ｂ、印刷室、事務局長室
　　　　　6階フロア；　ＩＲ室・秘書室、常勤理事室、会議室、学長室、屋上広場など

教養棟（２号館、３号館）
　　２号館（4階建校舎、約2,270㎡）と3号館（3階建校舎、約900㎡）は主に教養教育の場となる校舎です。

　　２号館
　　　　　1階フロア；　図書館、ＣＷＳ、受付カウンター事務室
　　　　　2階フロア；　201講義室、202講義室、203大講義室、図書館事務室、保健室
　　　　　3階フロア；　ヘルスケアデータ測定室、ロッカー・シャワールーム、ヘルスケアデータ分析室、教員控室
　　　　　4階フロア；　非常勤講師控室、共同研究室

　　3号館
　　　　　1階フロア；　101研究室、102研究室、103研究室、ＣＷＳ、書類倉庫
　　　　　2階フロア；　201研究室、202研究室、203研究室、ＣＷＳ、倉庫
　　　　　3階フロア；　301研究室、302研究室、303研究室、ＣＷＳ、倉庫

本部棟
　　本部棟（６階建校舎）は、法人事務局および大学の入試課が置かれている。また、学生が社会人とともに学べる教育センターとなっています。
　　　　　1階フロア；　大学事務局入試課
　　　　　2階フロア；　法人事務局、事務局長室
　　　　　3階フロア；　リカレント教育センター、講師控室
　　　　　4階フロア；　401階段教室
　　　　　5階フロア；　501教室
　　　　　6階フロア；　理事長室、役員会議室

教育環境　【設備について】

　博多大学では、データサイエンス学部の専門教育を充実させるために、キャンパス内には高速大容量通信網を整備し、専門演習などの高度な教育を支えるためにコンパクト・スパコンシステムやワークステーションを存分に活用できるように設備の充実を図っています。


（クリックすると拡大します）

教育環境　【教員について】

三つのポリシー
Three policies

現在、博多大学では2026年4月の開学に向けて準備を進めていますが、博多大学は次のポリシーにしたがって学生を迎え入れ、学びを進め、卒業を認めたいと考えています。
博多大学のデータサイエンス学部では文系でも理系でもない文理融合型教育を行いますので、高校での理系、文系の枠組みを気にする必要はありません。文系学生も理系学生もともに学べるカリキュラムが組まれています。
博多大学の三つのポリシーは次のとおりです。



学位授与の方針（ディプロマ・ポリシー）
「博多大学 学位授与の方針」に基づき、データサイエンス学科では、大学設置基準にもとづき本学が定める履修要件に沿って124単位以上を修得し、次の能力を身につけた者に卒業を認定し、学位を授与する。

• ①　数理統計、データエコシステムについての豊かな専門知識を身につけている。
• ②　ローカルとしての日本を理解し、世界各国の多様性を尊重したグローカルな視点を持って課題を発見し解決する能力を身に付けている。
• ③　内容領域の知識をもとに、的確に課題を認識し、その解決策を提案・実施・実現する実践力を身につけている。

注； 上記②のグローカル（glocal）とは、「global（地球規模の）」と「local（日本）」を合わせた造語で、地球規模の視点で考え、日本の課題解決に行動する、ことを表す。



教育課程編成・実施の方針（カリキュラム・ポリシー）
データサイエンス学科では、学位授与方針に掲げる能力を養成するために、数理統計科目群とデータエコシステム基盤科目群の系統的学習をもとにしたデータ分析技術の修得、およびグローカル教養科目の学習をもとにしたグローカルな視点の修得、さらにこれらの学修をベースにした内容領域における実践的専門技術の修得、を目指した次の教育目標を実現するため教育課程を編成し実施する。

• ①　数理統計科目群およびデータエコシステム基盤科目群の系統的学習を通じて、専門的なデータ活用技術を身につける。
• ②　グローカル教養科目群など教養科目の学習を通じてグローカルな視点を持って課題を発見し、解決する思考力を身につける。
• ③　経営・データアナリティクス、ヘルスケア・データアナリティクス、ＡＩ・データサイエンス、セキュリティ・データエンジニアリングの４つから１つを専攻として系統的に学習し、データプロフェッショナルとして内容領域の課題を解決する実践力を身につける。

入学者受入れの方針（アドミッション・ポリシー）
本学科では、高度情報社会で活躍するデータプロフェッショナルを育成するため、チャレンジ精神と学ぶ意欲を持った次のような人の入学を求める。
データサイエンス学科の入学受け入れの方針（アドミッションポリシー）は以下の通り。入学者選抜にあたって、以下の要件を満たすものを積極的に受け入れる。

• ①　国語、数学、外国語の基礎学力を有し、物事を論理的に考えることができる人
• ②　社会の課題に関心があり、課題解決に貢献する意欲のある人
• ③　既成の枠組みに拘らずに自由な発想ができる人
• ④　プログラムを組んで何かを作ったことがあるなど、自分で考え、創造する力を持つ人
• ⑤　自分の考えを的確に表現し、聞き手を引きつけるプレゼンテーションができる人