DEEP（Data-driven Economics and Econometrics Program）

DEEPのカリキュラムは、以下の3つの科目群で構成されます。

線形代数*、線形代数続論、微分積分入門、微分積分*、統計学Ⅰ*、統計学Ⅱ*，計量経済学概論*（*は必修科目)

確率・統計a, b、計量経済学中級a, b、計量経済学上級a, b、時系列分析a, b、ベイズ統計学a, b、人工知能入門a, b、定量的マクロ経済学a、経済地理a, b、AI産業論

ⅰ. 特定領域のPBL科目の成果物

トークンエコノミーの理論と実践b、データ駆動型ファイナンス入門b、データサイエンス・コンサルティング

ⅱ. 研究会（卒業論文）の論文

ⅲ. 研究プロジェクトCの論文

1. 2. の必要単位を取得したうえで、3. の最終成果物を提出することで修了証が授与されます。最終成果物のガイドラインは後述します。

まず日吉の2年間で、「コア科目」と呼ばれるデータサイエンスの基礎となる数学と統計学を学びます。データサイエンスの理論体系をきちんと理解するためには数理系分野の知識は必須です。また、「コア科目」ではありませんが、確率論入門などの関連する数学科目およびプログラミング言語を学ぶ情報処理科目を履修しておくと、三田でのデータサイエンスの実践に大いに役に立つことでしょう。さらにデータサイエンスに対する理解を深めるためにも、AI・高度プログラミングコンソーシアム（AIC）が提供している講習会に参加することを強く推奨します。

続く三田の2年間では「リサーチ科目」を履修して高度なデータサイエンスの手法と応用を学びます。ここで学ぶ理論体系は、社会課題をデータサイエンスで解決するための問題設定を適切に行い、現実のデータの特性に応じて手法を正しく使い分けるために必要なものばかりです。さらにリサーチ科目の中にはデータ解析の実践を学べるものもあります。

DEEPの締めくくりとして、データサイエンスを実践して得られた最終成果物を提出します。これを行うのが「PBL（Problem-Based Learning）科目」です。PBLは課題解決を目的に行われる実践的な学習を指します。DEEPのPBL科目には特定領域の課題解決を目指してアプリなどを作成するものも用意されていますが、研究会（ゼミナール）や研究プロジェクトにおいて行われる多様な領域での理論の妥当性や政策の有効性をデータサイエンスの手法を駆使して検証する研究論文も最終成果物の対象となります。

どのような研究テーマがDEEPの最終成果物の対象となるかについては、DEEPコーディネーターまで問い合わせてください。

研究会の卒業論文および研究プロジェクトの論文がDEEPにおける最終成果物と認定されるためには、以下の類型のいずれかに属していなければならない。

計量経済学、統計学、機械学習などで使われるモデル・手法の数理的性質を研究する

理論研究の対象となるモデル・手法を駆使して現実世界のデータを分析する

理論研究の対象となるモデル・手法の有効性をモンテカルロ実験などの数値手法によって検証する

タイプA/B生（4月に入学し、主に日本語による講義を履修する学生）、PEARL生のいずれも申請可能です。