<h1>非 RSS 認定プログラムの講座基準適合確認書テンプレート</h1>
<h2>はじめに</h2>
<p>RSS の認定講座でない講座を大学や教育機関で修了された場合、その講座が RSS 認定講座の水準と照らし合わせ提出する必要があります。本テンプレートに沿り非認定講座基準適合書を作成し、<strong>作成後に翻訳ソフト等で英語に翻訳</strong>し、申請の際に Word や PDF 形式で提出しましょう。</p>
<h2>非 RSS 認定プログラムの講座基準適合確認書テンプレート</h2>
<p>Certificate of Compliance with RSS Criteria for Non-Accredited Programmes</p>
<h3>講座名</h3>
<p>講座名を記載します。</p>
<pre><code class="language-latex">講座名: 統計学入門
</code></pre>
<h3>提供機関</h3>
<p>講座を提供した大学名または教育機関名を記載します。</p>
<pre><code class="language-latex">提供機関: 東京大学
</code></pre>
<h3>提供期間</h3>
<p>講座の開始日と終了日を記載します。</p>
<pre><code class="language-latex">提供期間: 2024年4月 - 2024年9月
</code></pre>
<h3>講座の内容</h3>
<p>講座の概要を記載します。</p>
<pre><code class="language-latex">講座概要:
統計モデルとしての確率分布族と、それらに対する統計推測法について解説する。
いくつかの具体例を通じ、受講者が確率統計の基礎事項に習熟することを目的とする。
前半では、事象の確率的構造の表現からはじめ、確率の諸性質と独立性、確率変数と確率分布、離散分布および連続分布、期待値などの分布の特徴量、さらに多次元分布などを扱う。
後半では、前半で導入した種々の概念に基づき、統計モデルの不偏推定および関連する最適性について解説する。
</code></pre>
<h3>講座の水準</h3>
<p>講座のレベルを下記から一つ選択し、記載します。</p>
<ul class="contains-task-list">
<li class="task-list-item"><input type="checkbox" disabled> 学部初級 (大学 1 - 2 年の講義で、教養科目や基礎科目)</li>
<li class="task-list-item"><input type="checkbox" disabled> 学部中級 - 上級 (大学 3-4 年の講義で、初級科目の履修が必須なもの)</li>
<li class="task-list-item"><input type="checkbox" disabled> 修士以上 (大学院の講義)</li>
</ul>
<pre><code class="language-latex">講座の水準: 学部初級
</code></pre>
<h3>学習成果</h3>
<p>対象の講義で、達成される項目を下記から全て選択してください。</p>
<ul class="contains-task-list">
<li class="task-list-item"><input type="checkbox" disabled> [基礎項目] 頻度主義統計とベイズ統計
両方のアプローチについて基礎的な理解を持つことが求められる。プログラムはどちらかに重点を置いてよいが、両方の基礎は教える必要がある。</li>
<li class="task-list-item"><input type="checkbox" disabled> [基礎項目] 論理的基盤と確率論
統計学の数学的基盤を理解する必要がある。ただし、数学を単独で学ぶだけでなく、その応用や影響を理解することが重要。</li>
<li class="task-list-item"><input type="checkbox" disabled> [基礎項目] データ収集・管理・キュレーションの原則
データの種類（管理データ、取引データ、研究デザインによるデータなど）を理解。実験デザインやサンプリングの知識に加え、異なるデータソースを統合し、データの質が分析に与える影響を理解する能力も求められる。分析の再現性を確保するための知識も必要。</li>
<li class="task-list-item"><input type="checkbox" disabled> [応用項目] モデル構築と評価
統計理論をソフトウェアを使って実践に適用するスキル。
モデルの利点と限界を評価し、最適な解法が一つではないことを理解する。
統計を使って非統計的な問題に対処する能力。</li>
<li class="task-list-item"><input type="checkbox" disabled> [応用項目] 推論の実行
結論を導き、結論に伴う不確実性や前提条件を明確に説明できる能力。</li>
<li class="task-list-item"><input type="checkbox" disabled> [応用項目] 結果の効果的なコミュニケーション
専門家・非専門家に対して適切な複雑さで結果を伝えるスキル。
結論の限界や不確実性も明確に伝える。</li>
</ul>
<pre><code class="language-latex">学習成果:

・[基礎項目] 論理的基盤と確率論

・[応用項目] モデル構築と評価

・[応用項目] 推論の実行

・[応用項目] 結果の効果的なコミュニケーション
</code></pre>
<h3>内容と配信方法</h3>
<p>講義の形式を説明するため、講義に含まれる内容およびその回数を端的に記載します
・講義
・演習
・試験
・プロジェクトや小テストの提出
・個別質問の受付の有無や体制(オフィスアワーなど)</p>
<pre><code class="language-latex">内容と配信方法:

・講義 (2時間 * 12回)

・演習 (2時間 * 6回)

・試験 (中間試験及び最終試験)

・小テスト (6回)

・オフィスアワー (週一回 2時間)
</code></pre>
<h3>評価方法</h3>
<p>対象の講義の評価方法を記載します。</p>
<p>基本的には試験や課題、及び出席数になります。</p>
<pre><code class="language-latex">評価方法:

・中間試験50% + 最終試験50% + 小テスト30%
</code></pre>
<h3>レビュー</h3>
<p>講座責任者の名前、所属、役職、学位を記載してください。</p>
<pre><code class="language-latex">レビュー:

東京大学 工学部 教授 田中太郎 (工学博士)
</code></pre>
<h3>教育体制</h3>
<p>当該講座の体制についてご記載ください。</p>
<p>受講者の数
講師の数</p>
<pre><code class="language-latex">教育体制:

・受講者数およそ20人程度

・講師1名 + セミナー講師1名
</code></pre>


RSS認定データアナリストについて

RSS認定データアナリストの申請

RSS認定データアナリスト本申請手続き

RSS認定データアナリストについて

RSS認定データアナリストの申請

RSS認定データアナリスト本申請手続き