
教育・カリキュラム
3・4年次のコースを「数理・量子情報」「AI・データサイエンス」「情報システム・セキュリティ」に分類し、学生の志向や卒業後の進路に合わせて、どの分野を重点的に履修するかを選択可能とします。課題解決型のProject Based Learning(PBL)科目を3年次に配置し、実際の企業で行われているようなプロセスを体感できる実践的教育を提供します。
1年次
オムニバスの「数理と情報」で学科のカリキュラム全体を俯瞰し、「基礎数学演習」で数学の基礎力を高めます。
科目紹介
数理と情報
専任教員と企業など学外からのゲスト講師によるオムニバス形式による授業で、情報科学における数理の果たす役割について俯瞰的に学び、将来のコース選択の参考とします。
数学基礎・演習
学科カリキュラムの基礎となる数学力を身につけるため、高校からの接続も考慮した数学基礎教育を演習科目も含めた初年次教育において充実・徹底させます。
情報倫理
本学の教育理念である“Do for Others (他者への貢献)”を情報科学の力で具現化するため、AIが社会にもたらす影響を考慮した倫理教育にも力を入れます。
初級プログラミング
多くのプログラミングを中心とした講義・演習科目では、学生自身がPCを教室に持ち込み授業を受けること(BYOD: Bring Your Own Device)を想定し、ハンズオンによる実践的な教育を行います。
2年次
ハンズオンも組み合わせた幅広い基礎科目を選択しながら、将来のコースと進路の選択を考えます。
科目紹介
基礎科目群A(情報数理系)
- 数理と情報
- 人工知能演習
- 情報のための論理と数学
- 最適化の数理
- 離散数学
- 離散数学演習
- 計算理論
- 量子情報の基礎
基礎科目群B(情報システム系)
- データ駆動型社会とデータサイエンス
- インターネット技術
- データ可視化演習
- ロボティクス
- 応用統計学
- 応用統計学演習
- 多変量データ解析
- 基盤ソフトウェア演習
3,4年次
3年次では、興味・関心と進路に応じたコース選択で専門性と応用力を高め、PBLによって実践的な力を身に付けます。4年次になると各教員の研究室に所属し、学科での学びを統合した研究課題を完成させます。
選べる3つのコース
数理・量子情報
コース
コース
AI・
データサイエンス
コース
データサイエンス
コース
情報システム・
セキュリティ
コース
セキュリティ
コース
科目紹介
数理・量子情報
- 符号と暗号の数理
- 情報幾何学
- 数理モデリング
- 量子コンピューティング
- 量子ネットワーク
など
AI・データサイエンス
- AI・データサイエンスの数理
- パターン認識と機械学習
- 自然言語処理
- 認知心理学
- 計算社会科学
など
情報システム・セキュリティ
- コンピュータシステム
- 情報幾何学
- 数理モデリング
- 量子コンピューティング
- 量子ネットワーク
など
PBL(3年次)
実際の企業で行われているようなプロセスを体感できる実践的教育を提供しながら、それまで学修した数理情報学の知識を駆使した課題解決型の演習授業を行います。
社会と情報科目群(3年次)
情報科学と人文科学や社会科学との接点や融合を意識した科目、キャリア形成科目等が配置されます。他学部からの提供科目を積極的に受け入れるとともに、他学部にも科目提供を行います。
卒業研究(4年次)
専任教員の研究室に配属され、教員指導のもと研究成果をまとめます。