本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。
　インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。

履修者に養ってほしい能力は次のとおり：
自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築

１．履修に興味を持った方は、次のＵＲＬから必ず学内エントリーを行うこと（https://forms.gle/gyUdr15dtNJhLWR77）。
２．大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関（註1）の専用システムのアカウント登録を行うこと。
３，２のアカウント登録後、マッチング支援機関（註2）が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション（註3）の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。
４．指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。
５．応募後、企業等とのマッチング選考が行われる。
６．マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する（締結業務は本学事務職員が行う）。
７．インターンシップ実施前に１回のガイダンスを行う。
８．インターンシップ実施
９．インターンシップ終了後に報告書を大学院教育支援機構に提出する。
　　当該報告書には、90時間以上の実習（授業外学習を含む）の実施について記載すること。

（註1）ジョブ型研究インターンシップ推進協議会
（註2）株式会社アカリク
（註3）企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き（秘密保持・知財・研究成果公表等にかかる契約の有無等）等の情報が示される。

以下の条件を全て満たすこと：
・博士後期課程学生であること。
・2ヶ月程度のインターンシップへの従事が可能な者。
・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。
・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。
　学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。

・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。
・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、Ⅱ（2単位科目）のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、90時間以上をⅡ（2単位科目）として定める。

インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。

本科目履修にあたり、履修登録は不要です。

(授業の概要・目的)※
経済活動を支える手段として「知的財産」および「知的財産権」（以下まとめて「知財」という）は、重要なファクターとなっている。
「知財」は、ライバル企業による模倣の制止（侵害訴訟）だけでなく、企業間の協力（ライセンス、パテント・プール）、研究開発力向上（職務発明制度）などの面で利用され、企業の競争力を高めるための手段として活用されている。また、大学もその研究成果の社会実装に向けて、企業との共同研究、ベンチャー企業育成などに取り組んでいるが、こうした活動において「知財」ルールをうまく取り決めないと将来の研究活動に制限をうけるリスクが生じる。
本授業では、「知財」についての基本的知識とともに、企業や大学の具体的な活動事例に基づきながら、「知財」の活用方法についての考え方を習得することを目的とする。
※「知的財産」とは、（1）発明、考案、植物新品種、意匠、著作物など、人間の創造的活動により生み出されるもの、（2）商標、商号その他の事業活動に用いられる商品または役務を表示するもの、および（3）営業秘密その他の事業活動に有用な技術上または営業上の情報をいう。
※「知的財産権」とは、特許権、実用新案権、育成者権、意匠権、著作権、商標権その他の知的財産に関して法令により定められた権利または法律上保護される利益に係る権利をいう。

本講座では、知的財産について予備知識の無い大学院生が、知的財産の概要、権利取得や知財契約の種類・考え方についての基礎的な知識を習得し、今後知的財産を活用していく上で必要な、知財戦略の基本的な考え方や、先行技術の検索方法等、具体的な活用方法について理解を深めることを目的とする。

(授業計画と内容)※
①　知的財産の概要（1回）
知的財産とは発明やデザインなどの無形資産であり、特許権、著作権、意匠権などの法的権利によって保護される。知的財産を概観しその種類や役割を検討する。
②　権利取得や知財契約の種類と考え方（1回）
異なる種類の知的財産権の取得方法（特許出願、商標登録など）と、それらを管理するための契約、権利取得の戦略的な考え方や契約における法的・商業的要因について論じる。
③　特許権と知財戦略、ライセンス交渉（１回）
特許権の基本、特許取得プロセス、および特許を中心とした知的財産戦略に重点を置き、ライセンス契約における主要な要素、価格設定、そして利害関係者間の交渉について検討する。
④　先行技術情報検索手法についての基礎的な知識（１回）
特許出願の前に重要な、データベースの使用、検索キーワードの選定、及び検索結果の分析方法などの先行技術検索の方法について解説する。
⑤　ケース分析（1回）
知的財産の保護や活用の事例を取り上げてグループ討議を行い、課題や論点の整理を行う。
⑥　ベンチャー、大学における知財活用（１回）
ベンチャー企業や大学がどのように知的財産を活用しているか紹介する。研究成果の商業化、スタートアップにおける知財戦略、特許ポートフォリオなどについて議論する。
⑦　ビジネスにおける意匠権・商標権・著作権の活用（１回）
意匠権、商標権、著作権の概要を解説し、ビジネスにおける各権利の保護と活用の事例、争いの事例などを紹介する。
⑧　イノベーションのための特許情報の活用（１回）
特許情報は、技術トレンド、競合他社の活動、および新たな技術の可能性を理解するのに有用である。特許情報を活用して新しいビジネス機会を探求する方法について考察する。
（授業日程）
第一回　８月２８日（金）３限、４限、上記①②（河端）
第二回　９月４日（金）３限、４限、５限、上記③④⑤（河端）
第三回　９月１１日（金）３限、４限、５限、上記⑥⑦⑧（阿部、佐上、楠浦）

特になし

レポート：60％　（第二回、第三回終了後に出題）
授業参加・貢献（出席および授業中のミニクイズ、質問・発言、講義内における討論などをもとに総合的に評価する）：40％

別途指示する。

●関連科目
アントレプレナーシップ全般
大学院共通科目
「アントレプレナーシップ入門」
「アントレプレナーシップ演習」

●本科目は大学院教育支援機構が提供する「産学協同教育コース」を構成する科目であるが、コース履修に関わらず本科目のみ受講することも可能です。

本科目では大学院生として研究室などでの研究活動を本格化させるための基礎的な知識・スキルとして、大学図書館などを活用した学術情報の探索と発信、本学が提供する情報通信サービスの理解とその適正な運用、その基礎となる情報ネットワークやコンピュータについての実践的事項、情報セキュリティと情報倫理などを学習する。

大学図書館などを利用した学術目的の情報探索、情報発信について、効果的な文献の探索・収集・活用の手法と、論文として発表する際のマナーを知る。

研究活動でコンピュータや LAN、インターネットを適切に利用するための技術的な基礎知識を知る。

研究室でのネットワーク利用のために本学が提供しているKUINS 等の情報通信サービスについて知り、適切に利用できるようになる。

研究活動でコンピュータやネットワークを利用する際の本学での遵守事項や情報セキュリティ・情報倫理上の留意点を知り、実践できるようになる。

以下、4回の授業を集中講義形式で実施する。

・学術研究のための大学図書館利用と情報探索、情報発信(1回)
・ネットワークの基礎(1回)
・大学の情報基盤の利活用(1回）
・情報セキュリティと情報倫理（1回）

特になし

授業への出席と情報環境機構が提供する情報セキュリティ e-learningの修了が合格の要件である。その上で、課題の提出状況を評価に加える。

情報セキュリティ e-learning についてはあらかじめ修了しておくこと。授業外学習として課題を課す。

【メディア授業科目】
受講時に、受講前に持っている情報リテラシーについての知識・スキル等を調査する予定である。授業資料は電子的に配布するので、ノートPC などを持参して受講することが望ましい。

データ科学は科学研究の基本の一つであり、本学においても研究科を問わず、多様な分野において活用されている。本科目では、データ科学的手法に関する知識と技術の習得を目的とする。データ科学的手法は扱うデータや分野によって多岐にわたるが、データ科学に関連する知識・技術を広く習得することは、研究の多様性への適応力を育むことにも繋がり重要である。
本科目ではデータ科学を広く概観するため、データ科学イノベーション教育研究センター所属教員を中心に複数の教員がリレー講義と演習を行い、様々な領域におけるデータ科学の現状と可能性について理解を深めることを目標とする。

大学院入学までの間に必ずしも十分なデータ科学教育を受けられなかった学生、もしくは学び直しを目指す学生を主たる対象とし、文部科学省が定める数理・データサイエンス・AI教育プログラム　リテラシーレベル(MDASH Literacy)レベルの復習から始め、同プログラム応用基礎レベル(MDASH Advanced Literacy)もカバーしたうえで、大学院レベルで求められるデータ科学的手法について学ぶ。
具体的には以下の2つを目標とする。

1.　様々な領域におけるデータ科学的手法の現状と可能性について理解できるようになる。
2.　実習を通じて、Excel・R言語・Python・JMP Pro等を用いてデータ分析に必要な基礎的な処理ができるようになる。

5月〜7月の日曜日を中心に集中講義・実習形式で開講する。
なお開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮し、オンライン・オンデマンド型で実施する。
データ科学イノベーション教育研究センター所属教員と出身教員等（ゲストスピーカー）が、以下の内容や関連した手法について合計15回のリレー講義と演習を行う。

1.　導入
2.　クロス集計表
3.　区間推定
4.　2群間の平均の差
5.　分散分析
6.　相関
7.　回帰
8.　因果推論
9.　まとめ

なお、各教員は、各自の様々な専門領域でのデータ科学実用例などを講義・実習で用いる予定である。

特になし

7人程度の教員が分担するが、各教員が個別に課す課題（15％程度）を合計して評価する。

参考書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧や質問の提出を求める。

【メディア授業科目】
講義中に教員との連絡方法について指示する。

大量データの解析方法を扱うデータ科学は、科学研究のみならず高度情報化社会を支える基礎となっているが、コンピュータ上で複雑な現象を再現する数値シミュレーションの分野でもデータ科学の手法が活用されている。特に、気象予測においては、観測から得られる情報を数値シミュレーションに取り入れる「データ同化」と呼ばれる統計科学的な手法が用いられており、予測の精度向上に威力を発揮している。また、数値シミュレーションを用いた不確実性の評価、リスク評価などにおいてもデータ科学の手法が有効である。本講義では、気象予測・予報で用いられるデータ同化を題材に、数値シミュレーションによる現象の再現・予測・不確実性評価などに利用されている統計的手法を取り上げ、その基本的な考え方や実装方法を基礎から解説する。

データ同化などの基礎となる空間データ解析、時系列データ解析手法の基本的な考え方を理解し、それらが数値シミュレーションの分野でどのように活用されているかを理解する。

(1) 導入と数学的準備
背景，確率分布，行列の計算
(2) 最小二乗法とその拡張
最小二乗法，拘束付き最小二乗法，ベイズ推定の基礎
(3) カルマンフィルタ
カルマンフィルタ，その実装
(4) アンサンブルカルマンフィルタ
アンサンブルカルマンフィルタ
(5) アンサンブル変換カルマンフィルタ
アンサンブル変換カルマンフィルタ，局所化
(6) 4次元変分法
アジョイント法，4次元アンサンブル変分法
(7) 粒子フィルタ
粒子フィルタ
(8) 時間があれば，その他関連する話題を紹介する

共通教育における微積分学・線形代数学・統計学入門程度の内容を理解していることが望ましい。
また、プログラミング(言語は問わない)や数値計算の入門程度の知識があることが望ましい。

講義中に課すレポートの内容により、到達目標への到達度を評価する。

予習の必要はないが、「データ科学：理論から実用へ演習」を受講するなどして復習を行うことが望ましい。

講義中に教員との連絡方法について指示する。

講義科目「データ科学：理論から実用へ」の内容について、実データとコンピュータによる実践的演習を集中講義として行う。

「データ科学：理論から実用へ」の内容について、講義中に開設した数理的理論に基づいてコンピュータを用いて実データを処理する手法を習得する。

システムの時間発展を再現するために、データの情報を数値シミュレーション取り入れる手法である「データ同化」について、すぐにプログラム作成可能な単純なシステムを題材に、基本的な手法をPython言語で実装する実習を行う。手法としては、次の中から進度と理解度に応じて選択する。最小二乗法、拘束付き最小二乗法、カルマンフィルタ、アンサンブルカルマンフィルタ、アンサンブル変換カルマンフィルタ、粒子フィルタ、アジョイント法

「データ科学：理論から実用へ」を履修していることを前提とするが、内容を自習することにより本講義だけを受講することも可能である。必要な知識は「データ科学：理論から実用へ」に準ずる．演習ではPython言語を使用する．Pythonプログラミングの経験がない者の受講は妨げないが、何らかのプログラミング言語および数値計算の入門程度の知識があることが望ましい。

演習課題によって評価する。

「データ科学：理論から実用へ」の内容を復習・自習して臨むことが望ましい。

データ科学は科学研究の基本の一つであり，本学においても研究科を問わず，多様な分野において活用されている．データ科学の範疇はデータの処理・分析だけではなく，データの収集・整理，分析結果の公表・評価まで多岐に亘るが，一方で分野それぞれ得意とするもしくは重要視する範疇は異なることがある．本科目ではその欠を補うため，それらデータ科学の知識と技術を総合的に習得することを目的とする．習得には，データ科学イノベーション教育研究センターの提供するデータサイエンススクール等の課外スクールにおける講義演習を通じて行う．スクールでは様々な分野でデータを扱う専門家に登壇してもらい，分野横断的にデータ科学を展望することを目指す．

多角的なデータ科学の素養（収集，整理，処理，分析，公表，評価）を身につけることを目標とする．その到達のために，講義によってデータ科学的手法の知識を習得し，同時に演習によってその技術を習得する．

データ科学イノベーション教育研究センターが前期期間に提供するデータサイエンススクール等の課外スクールにおいて，データ科学的手法を体験しながら実践的に学ぶ．スクールは講義と演習を組とする形式で行われる．スクール当日の講義演習を行うだけでなく，スクール毎に設定されるレポート課題に取り組む．スクールの開講については，後日掲示やKULASIS，LMS等で開講するスクールの概要・準備内容・参加要項の連絡を行う．令和８年度は 「機械学習トレーニング」など６月〜９月の間に開講を予定している．また，詳細や過去の実績は以下のURLのスクールの情報サイトにも掲載する．http://ds.k.kyoto-u.ac.jp/events/

データサイエンススクールに前期期間で述べ8時間以上参加できること（1時間は90分1コマの換算）．

データ科学イノベーション教育研究センターにおいて複数回実施されるデータサイエンススクール等の課外スクールに，前期期間で合計8時間以上参加すること（1時間は90分1コマの換算）．各スクールは2時間もしくは4時間で構成される．スクールでの演習内容とスクール毎に設定されるレポート課題を提出する．レポート課題にはプログラミング演習も含む可能性がある．そのレポートの内容によって到達目標への到達度を評価する．

データサイエンススクールの内容を深く理解するために，自己所有PCや計算機室の利用などによって，学生各自で演習の復習を行うこと．

【メディア授業科目】

　オープンサイエンスが学術界の様々な場面で推進されている今、これまでのように研究計画に基づいて調査研究を行い、論文として刊行して終わりという学術研究のサイクルではなく、研究の様々な段階で、学術情報を必要に応じて整備・オープン化して、その情報を活用することが求められています。本授業では、オープンサイエンスの定義や国内外の動向を学んだ上で、論文・データの出版・公開などにおけるオープンサイエンスの各側面を体系的に学び、自身の研究において具体的に実現可能な取組み等の検討が可能になることを目指します。

● オープンサイエンスの概念と国内外の動向を体系的に理解し、自身の研究分野における意義と課題を説明できるようになる。
● 論文や研究データをオープンな形で管理・公開するための具体的な手法とツール（研究データ管理（RDM）、リポジトリ、プレプリントサーバー）の重要性を理解し、実践的意義を説明できるようになる。
● 自身の研究テーマに基づいて、具体的なオープンサイエンスを実践する研究計画の立案を行えるようになり、他者に説明できるようになる。

授業は以下の内容を予定している。ただし進行状況などによって、講義の内容や順番を変更する可能性がある。

第1 回: オープンサイエンス入門：なぜ今、どのように学術をオープンにするのか？（担当：村山）
● オープンサイエンスとは何か？ (定義、歴史的背景)
● 国内外のオープンサイエンスの動向と主要な政策
● 伝統的な学術研究の課題とオープンサイエンスの必要性
● オープンサイエンスがもたらすメリット (透明性、再現性、社会への貢献)
● 研究者のキャリアパスとオープンサイエンス

第2 回：オープンサイエンスの歴史と現代 （担当：村山）
● 研究データ管理（RDM）の歴史
● 現代の情報通信技術（ICT）基盤におけるRDM の理念
● 電子情報の脆弱性と永続的識別子（DOI、ORCID など）の意義
● データ管理計画（DMP）の在り方と考え方

第3 回：オープンアクセス：論文の壁をなくす （担当：西岡）
● オープンアクセスの背景
● オープンアクセスの方法(グリーンOA、ゴールドOA)
● 論文公開プラットフォームの利用方法 (リポジトリ)
● プレプリントの広まりとプレプリントサーバ
● 著作権とライセンス (クリエイティブ・コモンズ・ライセンス)

第4 回: 研究データ管理（RDM）：データを正しく扱うための基本 （担当：沼尻）
● 研究データとは何か？
● RDM について（定義、意義、研究ライフサイクルにおける位置づけ）
● データ管理計画（DMP）の策定
● データの整理、命名規則、メタデータ
● データの保存とバックアップ
● 演習：自身の研究データを想定して、簡単なDMP を作成する。

特になし

【方法】レポート試験：60％・コメントシート（各授業ごと各10%） ：40％
【観点】オープンサイエンスの意義を理解する。またその実践を自分の研究・専門分野に即して考えられる。

授業外学習として課題を課す。

　決まったオフィス・アワーは設定していない。面談を希望する場合は、担当教員とメールにて日時を決定する。

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 9/1, 9/2, 9/4
KATSURA Campus on the following dates: 9/8, 9/9, 9/11
YOSHIDA Campus on the following dates: 9/15, 9/16, 9/18

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This may include recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 9/1, 9/2, 9/4
KATSURA Campus on the following dates: 9/8, 9/9, 9/11
YOSHIDA Campus on the following dates: 9/15, 9/16, 9/18

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This may include recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.