知能システムコースについて
これからの時代、どのような職業に就くとしてもITの知識が大きな武器になる
工学系と医療系の両方に関心があり、横断的に学べる点に魅力を感じて情報学部を志望しました。現在は、知能システムコースでAIを専門的に学んでいます。学生のみでアプリ開発をする実習では、企業の方から開発中の助言や発表へのフィードバックを受け、実務に基づいた考え方を直接学ぶことができました。将来は、大学院への進学を考えています。学部で培ったAIやアルゴリズムの知識を基に大学院で専門性を深め、医療現場を支えるシステム開発や診断・解析の精度向上に貢献できる技術者として、医療情報分野の企業での活躍をめざしています。
知能システムコースの特色
本質を見抜くAIエンジニアになるために、人工知能・機械学習の数理的な裏付けを学ぶ
サイバー空間に蓄積されたビッグデータをAIで解析し、人々の生活をより便利にするデータ駆動型の社会インフラや高度なデータ利活用システムを構築できる人材を育成します。AI技術の基礎となる数学・確率統計、データ分析をはじめとしたAI応用について学び、社会を豊かにする新しいAIの開発に取り組む企業への就職をめざします。
時間割イメージ
| 時限 | Mon | Tue | Wed | Thu | Fri |
|---|---|---|---|---|---|
| 1 | 離散数学 | オーラルイングリッシュ3 | |||
| 2 | ライティング1 | ITビジネス基礎 | |||
| 3 | データ構造とアルゴリズム | プログラミング実習1 | |||
| 4 | ネットワーク技術 | 応用数学 | |||
| 5 | 社会情報学実習1 | 多変量解析 | 情報学基礎ゼミナール1 |
カリキュラム
| 専門科目 | 1年次 | 2年次 | 3年次 | 4年次 |
|---|---|---|---|---|
| 必修科目 |
基礎微分積分学［2］ 基礎線形代数学1［2］ 基礎線形代数学2［2］ 確率統計［2］ コンピュータ基礎［2］ プログラミング基礎1［2］ プログラミング基礎2［2］ IoT［2］ オブジェクト指向プログラミング1［2］ AIリテラシー［2］ アプリケーション開発実習1［1］ |
ネットワーク技術［2］ 離散数学［2］ データ構造とアルゴリズム［2］ 多変量解析［2］ Webシステム［2］ 機械学習1［2］ メディア処理［2］ オブジェクト指向設計［2］ オブジェクト指向プログラミング2［2］ アプリケーション開発実習2［1］ データエンジニアリング［2］PICK UP 統計データ解析［2］ プログラミング実習1［2］ プログラミング実習2［2］ 情報学基礎ゼミナール1［2］ 情報学基礎ゼミナール2［2］ 社会情報学実習1［1］ 社会情報学実習2［1］ |
人工知能［2］ 情報理論［2］ 深層学習［2］ コンピュータビジョン［2］ 情報学応用ゼミナール1［2］ 情報学応用ゼミナール2［2］ 知能システムプロジェクト1［2］PICK UP 知能システムプロジェクト2［2］ HCI［2］ データマイニング［2］PICK UP 情報セキュリティ［2］ 機械学習2［2］ |
卒業研究［8］ |
| 選択必修科目 |
AIプログラミング［2］ 基礎物理学［2］ ＊eスポーツ［2］ |
ITビジネス基礎［2］ 数理計画法［2］ 自然言語処理［2］ |
データベースシステム［2］ データモデリング［2］ 医療情報学応用［2］ 知的エージェント［2］ 社会情報学実習3［1］ 社会情報学実習4［1］ |
情報と職業［2］ |
＊自由選択科目
Pick Up授業
知能システムプロジェクト1
3年前期のこの科目では、これまでに学習してきた人工知能に関する技術を利用したアプリを開発します。アプリ開発には、それぞれの技術に関する知識だけでなく、使いやすい機能を実現する設計力、プログラミングなどのスキルも必要ですので、これらを総合的に学びます。
データエンジニアリング
機械学習とは、大量のデータと各データに関連づけられたラベルとの関係を分析して、データxからラベルyを予測するy=f(x)という関数（モデル）を構築する技術です。本科目では、現実のデータを対象としたモデルの構築、性能評価を通して、機械学習の実践方法について学びます。
データマイニング
蓄積された膨大なデータから人間にとって意味のある情報を抽出するには、コンピュータの利用が不可欠となっています。本講義では、膨大なデータを効率よく収集・解析し、人間では気づくことができない新たな価値を発見するために必要な技術について学びます。