知能情報システムプログラムでは、知能情報システムと地球・人間・社会との関わり合いの中で生じている様々な課題を解決するために、知能情報システム分野の知識を幅広く身につけ、グローバルに様々な領域で活躍できる人材を養成します。
本プログラムでは、充実した教育研究環境で、コンピュータのソフトウェアとハードウェアに関する基礎知識から、人工知能、IoT(Internet of Things)、ビッグデータ、ロボットのような知能情報システムを支える最先端の情報処理技術、高度ネットワーク技術まで、幅広い知識・技術を学ぶことができます。
世界に通用する教養と専門性を兼ね備えた人材の育成
経済活動がグローバル化している現代社会では、卒業生が世界を舞台に活躍する機会がますます増えてきています。
知能情報システムプログラムでは、国内国外を問わず幅広く活躍できる国際感覚を持ち、先端的な知能情報システムの研究開発を担える人材の育成を目指しています。
プログラムの特色

教育プログラム
「知能情報システムプログラム」は、知能情報システム分野の知識を幅広く身につけ、グローバルに様々な領域で活躍できる人材を養成するカリキュラムで構成されています。
1年次では、導入教育として工学全般に関する基礎科目を学び、広い視野と深い洞察力を養うとともに、技術者としての社会的・倫理的責任を理解します。加えて、2年次以降に学ぶ専門分野に必要なコンピュータやプログラミングの基礎知識・技術を学びます。
2年次以降は知能情報システムに関連する専門科目に取り組みます。専門科目では、情報処理のための数学、コンピュータの仕組み、ソフトウェアの動作原理、情報処理ネットワークの基礎などを学びます。さらに、人工知能、マルチメディア、人間支援技術などの応用科目も履修できます。また、実験、実習、卒業研究などを通じて、学んだ知識・技術を応用して研究開発する能力、コミュニケーション能力を身につけます。
少人数のグループワーク、ゼミ形式の学修活動(2,3年次)、研究室配属(4年次)などでは、小さなコミュニティの一員となり、学習面だけでなく生活面でも、教員のきめの細かな指導を受けることができます。

授業紹介
データ工学
みなさん、データ科学(データサイエンス)とデータ工学(データエンジニアリング)の違いは何でしょうか?
データ科学は、この分野を牽引する人工知能を用いたデータ分析を例にすると、データに基づくこれまでの経験を基に、これから起こりそうなことの予測や、想像もしなかった関連性の発見などを行い、ビジネスや社会に役立てていくことを目的としています。それらを実現するためには、人工知能だけでなく、人工知能が学習するための多種多様かつ膨大なデータ(ビッグデータ)が必要です。
ビッグデータとして求められる特徴は、「データ量(Volume)」、「多様性(Variety)」、「生成頻度(Velocity)」の3つのVを高いレベルで備えていることです。実際の例として、インターネット通販サイトでの検索履歴や購入履歴、音声や画像などのマルチメディアデータ、電力消費量、気象データ、カーナビなどによる位置情報、販売管理システムによる購買記録などが挙げられます。しかし、これらのビッグデータがあれば、人工知能が勝手にデータの中身や形式を理解して、学習してくれることはなく、人工知能が理解(学習)しやすい形式のデータを準備する必要があります。
データ工学は、ビッグデータを効率的に扱うのに必要なデータ活用技術(データの取得、整理、抽出、管理、可視化など)のことであり、我々人間や人工知能がビッグデータを理解して、新しい知識発見を行うためのデータ分析へと繋ぐ重要な役割を担います。
本講義では、データ分析のプロセスの全体像を理解し、多種多様なビッグデータから課題解決のために必要なデータの収集、整理、可視化などを学び、実データを用いて機械学習などによるデータ分析を通して、データ活用技術の理解を深めていきます。

プログラムの
先端研究
人工知能による創薬研究や材料開発の実現

知能情報システムプログラムにて、ケモインフォマティクスと呼ばれる化学と情報学の融合分野を研究しています。ケモインフォマティクスは人工知能(Al)や統計学、データベース等を駆使して、医薬品開発(創薬研究)や革新的な機能を備えた物質の探索(材料開発)を行う研究領域です。
創薬研究において、医薬品の候補となり得る分子の化学構造の総数はおよそ10の60乗個存在すると言われており、このような膨大な数の中から医薬品となる分子を見つけるために、現在は化学者の知見に基づいた選定や、理論化学に基づいたシミュレーションによる探索を行っています。こうしたアプローチは医薬品として有望な分子の見落としや、探索に膨大な計算時間がかかってしまうといった問題があります。
このような背景から、当研究室では化合物や高分子などのデータベースと機械学習(A|技術)の活用により、医薬品や材料としての機能を有した分子の化学構造のデザインやその機能の予測をコンピュータによって行うための革新的な技術の開発を目指しています。特に「データから予測や設計に必要な本質的情報をいかに抽出するか?」という問いを研究の中心的なテーマとして位置付け、機械学習のみならず、統計モデルやベイズ推論といった統計的手法、さらには物理化学的な理論に基づいた方法論も活用し、多角的にアプローチしています。
図は研究成果の1例で、我々が新たに開発した、分子の化学構造をその特徴を反映した数値表現に変換する機械学習の模式図と、その数値表現を用いて分子の機能予測を行うニューラルネットワーク(Al技術)の模式図です。本研究により、従来の方法では捉えにくかった化学構造の本質的情報を高精度に抽出することが可能になり、高い精度で分子の機能予測が可能になりました。本成果は創薬や材料開発における多様な研究課題への応用が期待できます。

さらに詳しく知る
知能情報システムプログラムのオリジナルサイトへ