【分野別 学部学科紹介】~情報〜

はじめに

多くの東大生が頭を悩ませる意思決定である「進学選択」。
「〇〇に興味はあるけど、どの学科で学べるのかわからない」なんて思ったことはありませんか?
この記事では、そんな皆さんのお悩みに応えるべく、情報分野について学ぶことができる学科を「横断的に」比較紹介しました。
皆さんの選択を少しでも支えることができれば幸いです。

目次

     

    理学部:情報科学科

    計算機・情報をツールとして利用するだけではなく、研究対象としている点に特徴がある。
    研究内容には、情報処理の根本原理の究明や、まったく新しい動作原理の計算機の設計、計算機の新しい使い方の提案などが含まれている。
    情報科学の最先端の研究を行うために必要な素養を習得することを目的とした、計算機科学中心のカリキュラムが組まれている。
    授業の進度がとても速い事でも知られている。

    基本情報


    • 定員
      • 30名
    • 要求/要望科目
      • 要求科目
        • 文科各類
          • 数理科学「数学I、数学II、数学I演習、数学II演習」(計12単位)
          • 物質科学「力学、電磁気学、(熱力学 or 化学熱力学)、構造化学、物性化学」(計10単位)
      • 要望科目
        • 物質科学「物性化学」
        • 基礎科目(生命科学)「生命科学、生命科学Ⅰ、生命科学Ⅱ」
        • 総合科目A「記号論理学Ⅰ(文科生)、記号論理学Ⅰ(理科生)、記号論理学Ⅱ」
        • 総合科目F「微分積分学続論、常微分方程式、ベクトル解析、解析学基礎、アルゴリズム入門、計算機プログラミング、計算機システム概論、計算の理論」
    • 公式サイト


    カリキュラム紹介


    情報科学科の学生が受講する主な講義のうち、特徴的なものをいくつか抜粋して紹介する。

    2Aセメスター

    • アルゴリズムとデータ構造
      • 効率のよいアルゴリズムの設計法とその解析について、具体的なアルゴリズムの習得/実装を通じて学ぶ。
    • ハードウェア構成法
      • デジタル回路設計において、ブール代数のような基本的な概念の習得から初め、CMOS論理ゲート、組み合わせ回路、順序回路、メモリなど、ハードウェアを構成する要素技術の理解、およびそれらを組み合わせて機能的なデジタル回路を設計するためのハードウェア記述言語について学ぶ。
    • 統計と最適化
      • 機械学習への応用を意識した統計学や最適化を学ぶ。
    • 計算機システム
      • コンピュータの基礎的なハードウェア、ソフトウェアの構造、及びその動作について基本的な概念から学ぶ。
    • 情報科学基礎実験
      • 情報科学の基礎となるべきプログラミング技術を、実際にコードを書くことを通して習得し、計算機の仕組みやアルゴリズムの理解を深める。
    • 情報数学
      • 集合/関係/束/情報理論/代数系(群/環/体)/およびその情報的応用(符合/暗号/乱数等)について学び、情報科学の基礎への理解を深める。
    • 形式言語理論
      • 正則言語/文脈自由言語/Turing機械に関する基本的な概念と、それらに関して成り立つ定理を理解する。

     

     

    3Sセメスター

    • オペレーティングシステム
      • オペレーティングシステムの機能及び構造について、実際のシステムの例も挙げながら、その基礎について講義を行う。
    • システムプログラミング実験
      • Linuxの機能を利用したプログラミングを通じて現代のOSの利用方法を身につける。さらにOSの基礎的な機能を自分で実装してみることを通してOSの仕組みを学び、新たなOSの機能などを構築するために必要となる知識を身に付ける。
    • 離散数学
      • 有限離散の組合せ構造の有する諸性質に関して講義を行い、組合せ最適化を効率よく行うアルゴリズムを身に付ける。
    • 情報論理
      • 計算機科学の基礎となる記号論理学(命題論理の構文論と意味論、一階述語論理の構文論と意味論など)と計算可能性の理論(原子帰納的関数、帰納的関数、クリーネの標準形定理など)について、入門的な講義を行う。
    • 計算機構成論
      • マイクロプロセッサ(CPU)やメモリ等に代表される、ハードウェア・回路の動作原理、及びそれらの機能をソフトウェア階層に提供するための抽象化技術を中心に、計算機アーキテクチャ(コンピュータアーキテクチャ)に関する知識と技術の習得を目指す。
    • ハードウェア実験
      • 論理回路構成法の体得、ハードウェア記述言語による設計法や、基本的ハードウェア実験技術の習得を、実践的な講義を通して目指す。

     

     

    3Aセメスター

    • 言語モデル論
      • プログラミング言語の基礎となる計算モデルや、それにまつわる意味論について学ぶ。
    • 連続系アルゴリズム
      • デジタルな機械である計算機で、連続な量を表現するための手法や、演算とそのためのアルゴリズムについて身に付けることを目指す。
    • 計算量理論
      • ある問題の解をコンピュータの計算によって求めるときの本質的な計算量について、大規模問題でも、多項式時間で解決するアルゴリズムを有する問題クラスと、どのようなアルゴリズムを考えても、必ず指数時間かかるとされる問題クラスの差を軸として、計算量に関するさまざまな内容を学習する。
    • プロセッサ・コンパイラ実験
      • CPU実験とコンパイラ実験の2つに大別される。CPU実験では、命令セットアーキテクチャやプロセッサアーキテクチャ、コンパイラやプロセッサシミュレータについて、班ごとに分かれた個人が独自の仕様を策定したのち、実際に動作するシステムを自分で実装することで、コンピュータアーキテクチャへの理解を深める。コンパイラ実験では、コンパイラの基本機能に関する実験からはじめ、メモリ管理や各種最適化技法の実装を通し、コンパイラ構成方法への理解を深める。
    • コンピュータネットワーク論
      • インターネットを構築している技術を、OSI参照モデルに基づいたLayer-1 から Layer-7 までの階層モデルに分類して学び、Ethernetの仕組みやIP経路制御のアルゴリズム、TCPの輻輳制御アルゴリズム、近年のアプリケーションの仕組みなど、普段何気なく利用しているネットワークの仕組みを理解する。
    • 知能システム論
      • 教師あり学習や強化学習、構造的ニューラルネットワークなど、知能システムの基本的な技法に関して学ぶ。

     

     

    4Sセメスター

    • 自然言語処理
      • 意味解析や構文解析、機械翻訳など、自然言語処理の基礎理論・技術および実社会応用について学ぶ。
    • ユーザーインターフェイス
      • 使いやすいインターフェイスをデザインするための方法論や、最近の研究について学ぶ。また、課題を通し自分でも実装してみることで、インターフェイスデザインおよびユーザテストの実際を学ぶ。
    • 計算機言語論
      • 高階モデル検査という発展的話題に関して講義することを通し、無限木オートマトンなどを含む形式言語理論やプログラミング言語理論がプログラム検証にどう応用されるのか学ぶ。
    • 生体情報論
      • 生命システムにみられる様々な動的現象を微分方程式によって記述・解析する手法を学び、複雑な現象を数理的に記述し理解する力を身につける。また、非線形システムにおけるノイズの役割や、ノイズが大いに含まれる生体システムにおいて情報処理を記述するために必要となる、確率的な解析手法も身につける。
    • 情報科学とバイオインフォマティクス
      • オムニバス形式で3人の教員が、自身が行っている研究の内容を交えつつ、情報科学との関連を押さえながらバイオインフォマティクスのさまざまな内容を学習する。
    • コンピュータグラフィクス論
      • 近年のコンピュータグラフィクス(CG)技術の基盤をなす代表的なトピック(モデリング・アニメーション・レンダリング・画像処理等)について、理論的な内容を身につけた上で、プログラミング課題を通して実践力を身につける。
    • 計算アルゴリズム論
      • 「連続系アルゴリズム」で扱ったものと相補的な内容として、数値アルゴリズムについて学ぶ。具体的には、数値積分と偏微分方程式の数値解法に触れる。
    • 自然計算
      • 自然現象を活用した計算モデル、特に、通常の電子回路によらずに計算を行う非通常の(unconventionalな)計算モデルについて学ぶ。具体的には、セルオートマトンや、さらに粘菌コンピューティングなどの自然現象を活用する計算に関して触れる。
    • 計算科学シミュレーション
      • High Performance Computer (HPC)のハードウェア/ソフトウェア的構成を理解し、HPCの性能を引き出す計算科学向けアルゴリズム(ノード単体、共有メモリ並列など)を身につけることを目指す。

     

     

    主な研究室紹介


    • 今井研究室(今井 浩教授)
      • キーワード:アルゴリズム論・離散構造・計算幾何・最適化・量子情報科学
      • 研究内容
        • 計算幾何学、 計算量理論、 暗号理論 、量子計算・量子通信、量子アルゴリズム論、量子暗号理論など
        • 上記のもの以外にも、「計算に関わるものならなんでも」興味の対象になりうる
      • 研究室HP:https://www-imai.is.s.u-tokyo.ac.jp/index-j.html
    • 五十嵐研究室(五十嵐 健夫教授)
      • キーワード:ユーザインタフェース・コンピュータグラフィックス
      • 研究内容
        • 「ボタンをクリックすると何かが起きる」という現在主流のGUIを超えるような、より柔軟で自然なインタラクションのスタイルの確立
        • 専門的なトレーニングを受けていない一般ユーザが、 3次元モデルやアニメーションのようなメディア表現や、家具や衣服のような実世界で利用する人工物のデザインを手軽に行えるようにすることを目指す研究
      • 研究室HP:https://www-ui.is.s.u-tokyo.ac.jp/~takeo/index-j.html
    • 杉山研究室(杉山 将教授)
      • キーワード:機械学習・統計的データ解析
      • 研究内容
        • 学習理論の構築
        • 学習アルゴリズムの開発
        • 機械学習技術の実世界応用
      • 研究室HP(杉山研究室/横矢研究室/石田研究室合同):http://www.ms.k.u-tokyo.ac.jp/index-jp.html


    学科インタビュー


    Coming Soon


    学生の声


    • 理学部は理論を探求する学部で、理情はDepartment of Infomation Scienceで、直属の大学院はDepartment of Computer Scienceです。もちろん、機械学習やAIを扱ってる研究室はありますが、学科の授業は専ら計算機の仕組みという低いレイヤから情報科学を理解するというカリキュラムです。そのため機械学習等を学びたいという学生とは確実に相性が悪いです。学科には物理や数学が苦手っていう人が一定数います。カリキュラムに物理がないのが影響しているだろうなと思います。

     

    理学部:生物情報科学科

    生命システムを生命科学と情報科学の両面から解き明かすことを目的としている。
    ゲノム情報やオーミクス解析等の技術を用いて、生命科学データを情報科学的に解析する研究を扱っている。生命を「情報」として捉えるバイオインフォマティクスと、生命を「システム」として捉えるシステム生物学を通して、生命科学を物理学や工学の視点から理解するための研究にも取り組んでいる。
    授業内では、生物学と同等かそれ以上にプログラミングを利用したデータ解析など情報学を学ぶ機会が多い。

    基本情報


    • 定員 
      • 12名
    • 要求/要望科目
      • 要求科目
        • 文科各類
          • 基礎実験「基礎物理学実験、基礎化学実験、基礎生命科学実験」or「基礎実験Ⅰ・基礎実験Ⅱ、基礎実験Ⅲ」(ともに計3単位)
          • 数理科学「数理科学基礎、微分積分学、線形代数学」(計8単位)
          • 物質科学「力学、電磁気学、熱力学または化学熱力学、構造化学、物性化学」から4科目(計8単位)
          • 生命科学「生命科学、生命科学I、生命科学II」から1科目(2単位または1単位)
      • 要望科目
        • 総合科目E【物質科学】の科目
        • 総合科目E【生命科学】の科目
        • 特に「分子生命科学、現代生物学、生物情報科学」
        • 総合科目F【統計学】の科目
    • 公式サイト


    カリキュラム紹介


    生物情報科学科の学生が受講する主な講義のうち、情報科学の色が濃いものについて抜粋して紹介する。

    2Aセメスター

    • 生物情報学基礎論I
      • 生物情報学の基本であるゲノム配列解析を例に、生物情報学を理解する上で欠かせない情報科学の基礎知識、具体的には、動的計画法やアルゴリズム、データ構造、確率的手法などを学び、さらに、生命科学の観点からこれらの基礎知識がどのように応用されていくのか学ぶ。
    • アルゴリズムとデータ構造
      • 効率のよいアルゴリズムの設計法とその解析について、具体的なアルゴリズムの習得と実装を通じて学ぶ。
    • 生物情報学基礎論II
      • 生化学・分子生物学・オーミクス・システム生物学、定量生物学およびそれらの医科学研究との関連性について、生物情報科学科の教員がオムニバス形式で学習する。
    • 統計と最適化
      • 機械学習への応用を意識した統計学や最適化を学ぶ。
    • 計算機システム
      • コンピュータの基礎的なハードウェア、ソフトウェアの構造、及びその動作について基本的な概念から学ぶ。
    • 情報科学基礎実験
      • 情報科学の基礎となるべきプログラミング技術を、実際にコードを書くことを通して習得し、計算機の仕組みやアルゴリズムの理解を深める。
    • 情報数学
      • 集合/関係/束/情報理論/代数系(群/環/体)/およびその情報的応用(符合/暗号/乱数等)について学び、情報科学の基礎への理解を深める。
    • 形式言語理論
      • 正則言語/文脈自由言語/Turing機械に関する基本的な概念と、それらに関して成り立つ定理を理解する。

     

     

    3Sセメスター

    • 生物情報実験法
      • バイオインフォマティクスを含むプログラミング一般に必要な基礎知識を、基本的なプログラムの書き方から初め、並列プログラミングやmatlabなどのソフトウェアを用いたプログラミングに至るまで、演習形式で身につける。
    • 離散数学
      • 有限離散の組合せ構造の有する諸性質に関して学習し、組合せ最適化を効率よく行うアルゴリズムを身に付ける。
    • 生物情報ソフトウェア論I/II
      • 生命科学データ分析で使われるソフトウェアのなかで、中核となっている高速アルゴリズムがどのように設計されているかを学び、自分でも実装することで身につける。

     

     

    3Aセメスター

    • 生物データマイニング論
      • クラスタリングや確率モデルから始まりグラフマイニングに至るまで、大規模な生命科学データから知識を抽出するための様々な方法を学ぶ。
    • 生命情報表現論
      • 多種多様で複雑なデータや知識を計算機でうまく扱えるようになるための基礎となる理論や技術について、グループディスカッションやプレゼンテーションなどを通して学ぶ。
    • 連続系アルゴリズム
      • デジタルな機械である計算機で、連続な量を表現するための手法や、演算とそのためのアルゴリズムについて身に付けることを目指す。
    • 生物情報科学I
      • 生命科学と情報科学の融合により登場した生物情報科学(バイオインフォマティクス)の基礎を中心に、配列データベースの利用法、配列アラインメント、ホモロジー検索、ゲノム解析、トランスクリプトーム解析などの基本的な手法について、具体例にたくさん触れながら学ぶ。この講義では、特にタンパク質のアミノ酸配列について扱う。
    • 生物情報科学II
      • バイオインフォマティクスの基礎、とくにタンパク質の配列や構造、ダイナミクスと機能との関係に関連したインフォマティクス(プロテインインフォマティクス)やシステム生物学について幅広く学習する。また、実験技術についても扱う。
    • 計算量理論
      • ある問題の解をコンピュータの計算によって求めるときの本質的な計算量について、大規模問題でも、多項式時間で解決するアルゴリズムを有する問題クラスと、どのようなアルゴリズムを考えても、必ず指数時間かかるとされる問題クラスの差を軸として、計算量に関するさまざまな内容を学習する。
    • 情報基礎実験
      • 生物情報科学に関する基礎的な情報処理の実験(プログラミング演習)を行う。
    • 知能システム論
      • 教師あり学習や強化学習、構造的ニューラルネットワークなど、知能システムの基本的な技法に関して学ぶ。
    • 進化生態情報学
      • 進化・生態など、マクロな観点から生命現象を解析していく上で必要な生物情報科学的知識について、分子・ゲノム進化学、微生物生態学、生物画像解析などに触れながら学ぶ。

     

     

    4Sセメスター

    • 生体情報論
      • 生命システムにみられる様々な動的現象を微分方程式によって記述・解析する手法を学び、複雑な現象を数理的に記述し理解する力を身につける。また、非線形システムにおけるノイズの役割や、ノイズが大いに含まれる生体システムにおいて情報処理を記述するために必要となる、確率的な解析手法も身につける。
    • 情報科学とバイオインフォマティクス
      • オムニバス形式で3人の教員が、自身が行っている研究の内容を交えつつ、情報科学との関連を押さえながらバイオインフォマティクスのさまざまな内容を講義する。
    • コンピュータグラフィクス論
      • 近年のコンピュータグラフィクス(CG)技術の基盤をなす代表的なトピック(モデリング・アニメーション・レンダリング・画像処理等)について、理論的な内容を身につけた上で、プログラミング課題を通して実践力を身につける。
    • 計算数理I
      • 1年および2年次に学んだ微分積分学や線形代数学に現れる諸問題、例えば、連立一次方程式、非線形方程式、定積分、常微分方程式、最適化(関数の最小化)などについて、その背景にある数学理論を学んだ上で、コンピュータを用いて数値的に解くための方法を身につけることで、数値解析への入門とする。
    • 計算数理II
      • 共役勾配法や固有値問題に対するQR法など、常微分方程式や偏微分方程式を対象とした代表的な数値計算手法に触れた上で、それらの手法に対する理論的・数学的な結果について学ぶ。

     

     

    主な研究室紹介



    学科インタビュー


    Coming Soon


    学生の声


    • データ駆動の生命科学は日毎に勢いを増しています。アイデアとノウハウさえあれば、無料でアクセスできる膨大なデータベースから素晴らしい知見を発掘できる時代となりました。そう聞くとなんだかワクワクしませんか?生情では、基本的なプログラミングから機械学習まで、バイオインフォマティクスに必須の知識を叩き込んでもらえます。必修の授業は全て生物学か情報科学に関連しており、どちらにも興味がある人にとっては最高の環境です!

     

    工学部:システム創成学科SDMコース

    システム創成学科SDMコースは主にシミュレーションを扱う学科である。

    システム/デザイン/マネジメントの基盤となる⼯学やプログラミングをしっかりと学んだ上で、最新のシミュレーション技術/レジリエンス⼯学/⽣命知/社会のための技術などの新しいマネジメント技術を身につける。さらに、毎セメスター必修となっているプロジェクト型の演習や卒業研究を通して、システムの中に潜む本質的な課題を⾒つけ出して解くことで、洞察⼒と俯瞰⼒を養う。

    研究室は大きくシステム創成と原子力の2種類に分かれるが、その根本にはシミュレーションとデータサイエンスがあり、そういった内容に興味があればおすすめといえるだろう。上記のように、基礎的な授業も一定数用意されているので、進学時にプログラミングなどにあまり自信がなくとも大きな問題はない。

    基本情報


    • 定員
      • 37~40名程度
    • 要求/要望科目
      • 要求科目
        • なし
      • 要望科目
        • なし


    カリキュラム紹介


    SDMコースのカリキュラムから情報分野と考えられる講義やプロジェクトを抜粋して紹介する。

    2Aセメスター

    • プログラミング基礎
      • コンピュータ・プログラミングの基礎を学ぶ。
      • Javaによるプログラミングを扱い、コース別に演習を行う。
    • データ指向モデリング
      • 人間の行動データを解析し、人間の行動モデルを構築する基盤的な手法を学ぶ。
      • 閉鎖システム・開放システム・テキストマイニングの基礎・動的開放システム・パターン認識を扱う。
    • 動機付けプロジェクト
      • プロジェクト形式の講義を通じて、システム創成学を学ぶ動機付けを行う。
      • 2021年度には以下のようなテーマが扱われた。
        • 「ここちよさ」を探る
        • 量子コンピュータを用いた量子力学シミュレーション
        • 身近なことがらをシミュレーションしてみよう
        • LabVIEWを用いたハードウェア制御入門

     

     

    3Sセメスター

    • プログラミング応用ⅠB
      • 対戦型ゲームを対象として、知的エージェントを構築することで、プログラミングの応用を学ぶ。
      • エージェント設計・エージェント作成を扱い、コンテストを行う。
    • プログラミング応用ⅡB
      • 物理計算シミュレーションに関するプログラミングを学ぶ。
      • 差分法、ポアソン方程式・拡散方程式、場の計算のプログラミングを扱う。
    • システム工学基礎
      • 複雑・巨大なシステムを扱うためのシステムズ・エンジニアリング手法の基礎を体系的に学ぶ。
      • システム設計、システムモデリング、システムの構造分析、離散モデルを扱う。
    • 災害シミュレーション工学
      • 災害に対するシミュレーションとリスク評価に関する基礎的知識を学ぶ。
      • 差分法、有限体積法、有限要素法、リスク、リスクマネジメントを扱う。
    • 金融レジリエンス情報学
      • 金融市場における情報技術について学ぶ。
      • 金融情報技術、機械学習、データマイニング、人工市場を扱う。
    • 基礎プロジェクトB
      • プロジェクト形式で2つのテーマに配属され、演習を通じて学ぶ。
      • 2021年度には以下のようなテーマが扱われた。
        • 実験を通した体験的システム設計の基礎
        • オンラインでグループプログラミング
        • 入門:流れのシミュレーションと可視化
        • 特許出願と起業
        • 複雑系におけるエージェントベースモデリングとシミュレーションの入門
        • 大規模データの分析

     

     

    3Aセメスター

    • 先端コンピューティング
      • 先進的なコンピューティング技法や近年の計算機アーキテクチャを学ぶ。
      • 連続体力学、計算機アーキテクチャの特徴、チューニングを扱う。
    • 量子コンピューティング
      • 量子コンピュータの処理法の概観について学ぶ。
      • 情報理論基礎、量子ビット、量子アルゴリズム、量子コンピューティング、量子コンピュータを扱う。
    • 次世代サイバーインフラ論
      • 情報通信の進化や活用について網羅的に学ぶ。
      • 5G、自動運転、仮想社会、半導体戦略、宇宙・海洋通信を扱う。
    • 応用プロジェクトB
      • 前半と後半で1テーマずつ、合計2テーマの演習を通じて学ぶ。
      • 2021年度には以下のようなテーマが扱われた。
        • IOT のためのハードウェア制御プログラミング演習
        • 複雑系システムの危機管理とシミュレーション
        • シミュレーションで環境・エネルギー問題を読み解く
        • クラウド環境で最適化問題を解く
        • 身近な材料で破壊現象をリアルタイム体験
        • オプティカルフローによる画像の軌跡解析

     

     

    4Sセメスター

    • データ市場
      • データ市場の理論と実践的技法を修得する。
      • データ市場に関わる理論、実践と事例、演習を扱う。
    • 領域プロジェクト1B
      • 各教員の研究室に配属され、教員の指導のもとプロジェクト演習を行う。

     

     

    主な研究室紹介


    • 鳥海研究室(鳥海 不二夫教授)
      • キーワード:計算社会科学・人工知能技術
      • 主な研究内容
        • ソーシャルメディアの分析と設計
        • ニュース閲覧行動の分析と設計
        • 社会データ分析 - 時空間データ分析・複雑ネットワーク科学
        • 人工知能技術の社会応用 - ゲーム情報・観光情報・マーケティング
      • 研究室HP:http://syrinx.q.t.u-tokyo.ac.jp/tori/
    • 大澤・早矢仕研究室(大澤 幸生教授・早矢仕 晃章講師)
      • キーワード:システムデザイン・知識工学・ビジネス科学
      • 主な研究内容
        • 創造的データ市場とデータ連成イノベーション
        • 市場変化の説明
        • 実践的データ市場
        • Stay with Your Community
        • 変化説明技術の応用
        • データエコシステムの構造分析
        • 変数クエスト
        • データエコシステムのバリューチェーン分析
        • データ利活用方法検討とシナリオ生成支援手法の開発
        • データ利活用検討プロセスの解析
        • データ利活用知識構造化と再利用による検索システム
      • 研究室HP:http://www.panda.sys.t.u-tokyo.ac.jp/
    • SCS Laboratory(陳 昱教授)
      • キーワード:複雑系
      • 主な研究内容
        • マルチエージェント協調進化ゲームによる金融市場の解析
        • 離散運動論モデルを用いた複雑流体のシミュレーション
        • セルベースがんのモデル化とシミュレーション
        • エージェントベースモデルを用いた技術・社会転移のシミュレーション
      • 研究室HP:http://www.scslab.k.u-tokyo.ac.jp/


    学科インタビュー


    Coming Soon


    学生の声


    • 情報理論やアルゴリズムなどを正面から勉強することはあまり想定されてないように思う。理学部の授業を受けに行っている人も多い。工学はかなり応用を重視するので、応用できそうなことを見つけてから必要なことを勉強すればいいという姿勢のように思う。その意味でデータからどんなふうに価値を生み出すかということに興味があるならよいかも(鳥海研、大澤研、早矢仕研など)
    • 先生がた一人一人が行っている研究がかなりユニークなので、オムニバス形式の授業(コロキウム)で話を聞くのがおもしろい。またメールして直接話を聞きに行っても真摯に対応してくださるので、たくさん研究の話が聞ける。
    • 魅力:やろうと思えばなんでもできるくらいには扱っている範囲が広いこと。逆に言えば、分野を絞って詳しいことをやっているというわけでもない。

     

    工学部:システム創成学科PSIコース

    システム創成学科PSIコースは、機械学習を初めとした情報科学やビジネスと結び付く工学、そして船舶といった内容を中心に、それらにとらわれない幅広い内容を扱う学科である。

    人間社会に関心を持ちながら、俯瞰的視座から社会課題を認識し、科学的根拠に基づいた問題解決を創案し、責任を持って社会実装するための教育/研究/実践の場を提供するコースとして、工学の基礎科目に加え、機械学習などの情報科学を体系的、効率的に学習できるカリキュラムが組まれている。

    研究室としては人工知能の松尾豊先生の研究室が特に人気であり、その他にも機械学習を研究に用いる研究室が多くある。近年は機械学習人気もあり、人気が急上昇している学科の1つである。(ただし、全員が希望の研究室に行くことができるわけではない点は注意すべきである。)上記のように、基礎的な授業も一定数用意されているので、進学時にプログラミングなどにあまり自信がなくとも大きな問題はない。

    基本情報


    • 定員
      • 45~48名程度
    • 要求/要望科目
      • 要求科目
        • なし
      • 要望科目
        • なし


    カリキュラム紹介


    PSIコースのカリキュラムから情報分野と考えられる講義やプロジェクトを抜粋して紹介する。

    2Aセメスター

    • プログラミング基礎
      • コンピュー・プログラミングの基礎を学ぶ
      • Javaによるプログラミングを扱い、コース別に演習を行う
    • データ指向モデリング
      • 人間の行動データを解析し、人間の行動モデルを構築する基盤的な手法を学ぶ
      • 閉鎖システム、開放システム、テキストマイニングの基礎、動的開放システム、パターン認識を扱う
    • 動機付けプロジェクト
      • プロジェクト形式の講義を通じて、システム創成学を学ぶ動機付けを行う
      • 2021年度には以下のようなテーマが扱われた
        • インダストリアルデザイン
        • スパースモデリングで身近なデータを分析
        • Introduction to Machine Learning
        • 鉱物資源市場の調査と分析

     

     

    3Sセメスター

    • プログラミング応用ⅠC
      • データ構造とアルゴリズムについてJAVAプログラミングを通して学ぶ。
      • 配列・再帰・スタックとキュー・リスト・二分探索木・バックトラックを扱う。
    • プログラミング応用ⅡC
      • 数値計算の基本についてJAVAプログラミングを通して学ぶ。
      • ニュートン法・連立一次方程式・多項式補間・最小2乗近似・数値微分と数値積分・常微分方程式を扱う。
    • システム工学基礎
      • 複雑・巨大なシステムを扱うためのシステムズ・エンジニアリング手法の基礎を体系的に学ぶ。
      • システム設計・システムモデリング・システムの構造分析・離散モデルを扱う。
    • 情報通信システム創成学演習
      • システム創成学におけるDXの実現を支える情報学・情報通信の基礎を身につけるためにプロジェクト演習を行う。
      • インターネットとモバイル通信・無線通信技術を用いてIoTセンシングシステムを扱う。
    • 基礎プロジェクトC
      • プロジェクト形式で前半・後半について2つのテーマに配属され、演習を通じて学ぶ。
      • 2021年度には以下のようなテーマが扱われた。
        • 身近な問題をどう考えるか
        • 基礎的な設計・製作・調査手法
        • 現実問題へのアプローチ
        • 基礎工学・スキルの確認

     

     

    3Aセメスター

    • 応用データ解析
      • データの統計分析と深層学習を含む機械学習モデルを学ぶ。
      • 相関と回帰・推定と検定・主成分分析、Random Forest・Support Vector Machine・ベイズ統計学・Deep/Shallow Neural Network・各種クラスタリング法を扱う。
    • 工学シミュレーション
      • 前半ではプログラミングの基礎から差分法による流体解析が行えるまで前提となる解法を学び、後半では材料力学・構造力学分野を対象とした有限要素法による数値解析の基礎を学ぶ。
    • 情報通信システム創成学
      • DXの実現を支える情報学・情報通信の基礎を身につけるため、通信技術を中心に基礎知識を学ぶ。
      • 情報通信システム、 インターネット、通信プロトコル、無線通信、次世代通信への動向を扱う。
    • 次世代サイバーインフラ論
      • 情報通信の進化や活用について網羅的に学ぶ。
      • 5G、自動運転、 下層社会、 半導体戦略、 宇宙・海洋通信を扱う。
    • 応用プロジェクトC
      • 前半と後半で1テーマずつ、合計2テーマの演習を通じて学ぶ。
      • 2021年度には以下のようなテーマが扱われた。
        • 太陽系探査の最新成果を利用した遊び
        • 洋上風力発電アクセス船の設計と自律制御によるミッション達成プロジェクト
        • デジタル信号処理と5Gアプリケーション
        • 舶用プロペラの設計・試作・評価
        • センサアプリケーションコンテスト
        • 化学組成データの解析
        • エネルギー減耗後の社会システム構築
        • エッグプロテクター複合領域設計

     

     

    4Sセメスター

    • 領域プロジェクト1C
      • 各教員の研究室に配属され、教員の指導のもとプロジェクト演習を行う。

     

     

    主な研究室紹介


    • 松尾研究室(松尾 豊教授)
      • キーワード:ウェブ工・人工知能・ 社会ネットワーク分析・ウェブにおけるビジネスモデル・ データマイニング・起業
      • 主な研究紹介
        • ディープラーニング
        • ソーシャルメディアの分析
        • 消費インテリジェンスの抽出
        • Website Optimization
        • スタートアップの転職ネットワーク
      • 研究室HP:https://weblab.t.u-tokyo.ac.jp/
    • 中尾研究室(中尾 彰宏教授)
      • キーワード:次世代サイバーインフラストラクチャー・Beyond5G・ ローカル5G・超知性ネットワーク・地域創生
      • 主な研究紹介
        • Beyond5Gへのサイバーインフラの進化
        • ソフトウェア化による柔軟なサイバーインフラの構築
        • 次世代サイバーインフラを利活用する地域創生
      • 研究室HP:https://www.nakao-lab.org/
    • 坂田・森・浅谷研究室(坂田 一郎教授)


    学科インタビュー


    Coming Soon


    学生の声


    • 一から学ぶような授業は少ない。web開発やデータ分析を実践する機会は多いので、インターン等の実務経験があるととても楽しめる。シス創の必要単位数は少なめなので、EEICや理学部の授業をめっちゃ取れるのもおすすめポイントです。
    • プログラミングの授業でJavaを勉強する。必修のプロジェクト授業では、特に3年生以降はプログラミングを使って(言語は内容によりけり)実施されることが多い。
    • 3年生になると学生面談が数ヶ月に一度あり、教授と一対一で話す機会をいただけます。

     

    工学部:計数工学科

    情報の概念や情報技術を基礎とし、個別分野に依存しない科学技術の基幹となる普遍的な概念や原理の提案および系統的な方法論の開発を目指した教育が行われている。

    基本情報


    • 定員 
      • 数理コース、システムコースとも各30名、計60名
    • 要求/要望科目
      • 要求科目
        • なし
      • 要望科目
        • 総合科目D【現代工学】の科目
        • 総合科目F【数理科学】【情報学】の科目
        • (※【 】は大科目名で、その中に包含される科目は『履修の手引き』の76~77ページ(現代工学)と84ページ(数理科学)、85ページ(情報学)を参照。)
      • 公式サイト


    カリキュラム紹介


    計数工学科のカリキュラムから情報分野と考えられる講義やプロジェクトを抜粋して紹介する。

    2Aセメスター

    • 回路とシステムの基礎
      • 回路、制御の基礎となるシステム理論と信号理論の初歩を学ぶ。

     

     

    3Sセメスター

    • 回路学第一
      • 半導体素子とその回路やセンサ回路を含むアナログ集積回路を学ぶ。
    • 数理情報工学演習第一(数理)
      • 解析数理工学、代数数理工学、確率数理工学、それぞれに対して演習問題に取り組む。
    • システム情報工学設計演習(システム)
      • システム情報工学について製図・3Dモデリング、ダイナミカルシステム、マイコンプログラミングの基礎事項を理解するとともに、システム制作の実践を通した学習を行う。
    • 計数工学プログラミング演習
      • C言語を用いてプログラミングをおこなったり、基本的なデータ構造、アルゴリズムについて演習を行う。
    • 制御論第一
      • 制御理論を中心に、制御工学の基礎的考えを一貫して学ぶ。
    • 信号処理論第一
      • 信号処理論について、デジタル・アナログ両方の信号処理の数学的基礎とアルゴリズム、その音声、音響、画像処理や故障検出などへの応用を学ぶ。

     

     

    ※は数理コースとシステムコースで授業が異なる。
    〈数理コース/システムコース〉
    ※1:量子力学第二/システム情報工学基礎演習第一
    ※2:数理情報工学演習第一A/システム情報工学設計演習
    ※3:数理情報工学演習基礎第一A/システム情報工学設計演習
    ※4:数理情報工学演習第一C/システム情報工学設計演習

     

    3Aセメスター

    • 制御論第二
      • 制御理論を中心に、制御工学の基礎的な考えを一貫した体系のもとで学ぶ。
    • 数理情報工学演習第一(数理)
      • 解析数理工学、代数数理工学、確率数理工学、それぞれに対して演習問題に取り組む。
    • システム情報工学実験第一(システム)
      • システム情報工学について製図・3Dモデリング、ダイナミカルシステム、マイコンプログラミングの基礎事項を理解するとともに、システム制作の実践を通した学習を行う。
    • 情報理論
      • 情報理論および情報理論と特に関連の深い分野について、その数学的な基礎を学ぶ。
    • 回路学第二
      • 回路学について、分布定数回路やマイクロ波、光など波動情報処理について学ぶ。
    • 信号処理論第二
      • 信号処理論について、デジタル・アナログ両方の信号処理の数学的基礎とアルゴリズム、その音声、音響、画像処理や故障検出などへの応用を学ぶ。

     

     

    ※は数理コースとシステムコースで授業が異なる。
    〈数理コース/システムコース〉
    ※1:数理情報工学基礎演習第一B・数理情報工学実験第一(3~4限)/システム実験工学実験第一(3限)
    ※2:統計力学第二/システム情報工学演習第二
    ※3:[A1]数理情報工学特論第一・[A2]数理情報工学特論第二/センサ・アクチュエータ工学

     

    4Sセメスター

    • 量子情報(数理)
      • 量子情報・量子計算の入門を学ぶ。様々な量子情報処理のベースとなる基礎概念や法則、とりわけ量子計算に焦点を当ててその構成要素やアルゴリズムについて学ぶ。
    • 機械学習の数理
      • 機械学習の基本的手法を学び、これらにとって必要な数理的基礎を事例を踏まえ講義する。
    • 数理情報工学輪読(数理)
      • 数理情報工学の専門書(洋書)を輪講形式で学び、数理情報工学に関する基礎知識の獲得と説明能力を鍛える。
    • システム情報工学実験第二(システム)
      • システム情報⼯学における研究論⽂や著作等の⽂献を調査・理解し、プレゼンテーションを⾏い討論を⾏う。
    • 画像処理論
      • 画像処理の基本的概念、広範な応用に共通して現れる画像再構成、逆問題、画像センシングと認識に対する基礎的方法論を学ぶ。
    • 生体情報論
      • 生命システムにみられる様々な動的現象を微分方程式によって記述・解析する手法を学ぶ。また、非線形システムにおけるノイズの役割やノイジーな生体システムにおける情報処理を記述するための確率的解析手法も学ぶ。
    • プログラムの数理
      • プログラムの数理として、計算機科学の基礎となる記号論理学と、計算可能性の理論について、入門的な学習を行う。

     

     

    ※は数理コースとシステムコースで授業が異なる。
    〈数理コース/システムコース〉
    ※1:数理情報工学輪読/システム情報工学実験第二
    ※2:応用空間論/システム情報工学演習第三
    ※3:数理情報工学演習第二A(3~4限)/システム情報工学特論(3限)・システム情報工学輪読第一(4限)
    ※4:なし/システム情報工学実験第二
    ※5:数理情報工学実験第二/システム情報工学実験第二

     

    主な研究室紹介


    <数理>

    • 学習数理情報学研究室(山西 健司教授・鈴木 大慈准教授)
      • キーワード:情報論的学習理論・データサイエンス
      • 研究内容
        • 情報論的学習理論
        • データ・マイニング
        • 分解型正規化最尤符号規準
      • 研究室HP:http://ibis.t.u-tokyo.ac.jp/yamanishiken/
    • 暗号数理情報学研究室(高木 剛教授・高安 敦講師)
      • キーワード:暗号理論・情報セキュリティ
      • 研究内容
        • ポスト量子暗号
        • 安全性証明技術
        • 高速実装技術
        • 安全実証技術
        • セキュリティ応用技術
      • 研究室HP:http://crypto.mist.i.u-tokyo.ac.jp/


    <システム>

    • 身体情報学研究室(稲見 昌彦教授・門内靖 明准教授)
      • キーワード:身体情報学・人間拡張工学
      • 研究内容
        • 自在化技術
        • 新たな身体性の獲得
        • エクスペリエンス工学
        • ワイヤレスインタラクション
      • 研究室HP:https://star.rcast.u-tokyo.ac.jp/
    • 物理情報計測・逆問題研究室(奈良 高明教授・長谷川 圭介講師)
      • キーワード:逆問題の計測・数理・応用
      • 研究内容
        • 逆問題の直接厳密代数解法の体系化
        • 非侵襲計測と医用逆問題.
        • 非破壊検査
        • 災害救助
        • 収束超音波による空中流れ制御
        • 波面制御音源を用いた非接触計測・情報提示
      • 研究室HP:http://www.inv.ipc.i.u-tokyo.ac.jp/


    学科インタビュー


    Coming Soon

    学生の声


    • 院は情報理工系に繋がっているため、研究室は情報系の括りに入ります。アルゴリズムや機械学習などの研究がなされていますし、講義でもプログラミングを使う科目は多いです
    • 情報については、コンピュータの構造などを扱う授業や情報理論の授業などはあるが、プログラミングなどをあくまでも手段として用いる傾向があるので、いわゆる情報学とは少し乖離している。しかし、高速化などを研究している教授もおり、学べないことはない。低レイヤーの内容などを扱いたい場合はお勧めできない
    • 2A では最適化手法や数値解析など、3S では計算システム論第一などで、コンピューティングやアルゴリズムの基礎を幅広く、そこそこの深度で学ぶ。進学当初はガチガチに情報かと思っており、実際はそこまでではなかったが、それでも、広くそれなりに深く取り扱っていると感じる。
    • かなり基礎的な視点で情報技術に向き合いたい人には向いていると思う。そのための数学が十分に学べる。ユーザーとして機械学習技術を使うことは今となってはどこの研究室もやっているので、計数工学科であえて教育されるものでもない。

     

    工学部:工学部電子情報工学科

    現代技術の中枢を担う情報・電気・電子の技術を体系的に学ぶことで、物理と情報・ハードとソフト・原理と応用のいずれの側面をも俯瞰し、行き来しながら最先端の応用へと展開していく力を養う。3Aセメスター以降に「メディア情報・コンテンツ・人間」もしくは「コンピュータ・ネットワーク」に関する研究を行う。授業の進度は速いという声が多い。

    基本情報


    • 定員 
      • 60名〜
    • 要求/要望科目
      • 要求科目
        • <文科各類>
          • 社会科学「数学Ⅰ」(2単位)or数理科学「微分積分学①・②」(3単位) かつ
          • 社会科学「数学Ⅱ」(2単位)or数理科学「線形代数学①・②」(3単位)
      • 要望科目
        • <文科各類>
          • 物質科学「力学、電磁気学」
      • 公式サイト

     


    カリキュラム紹介


    電子情報工学科のカリキュラムから情報分野と考えられる講義やプロジェクトを抜粋して紹介する。

    2Aセメスター

    • ディジタル回路
      • 情報通信機器ハードウェアの基礎となるデジタル回路を理解する。
    • 信号解析基礎
      • 信号解析として、物理的な変動を信号として捉え、情報として扱うための基礎を習得する。物理と情報の掛け渡しをする。
    • 情報通信理論
      • 情報通信のための基礎理論である情報理論について理解する。
    • 電気回路理論第一
      • 電気回路理論の基礎を学ぶ。
    • プログラミング基礎演習
      • プログラミングの基本についてC言語、Pythonを用いた演習で学ぶ。
    • ソフトウェアⅠ
      • プログラミング言語を使えるようになる.その過程でライブラリやクラスや意味について実践的に学ぶ。
    • ソフトウェアⅡ
      • 基本的な情報科目の習得、機械と情報をつなげる技術の習得、計算機に慣れること、実用的なプログラミング言語を習得することを学ぶ。
    • 電気電子数学演習
      • 電気電子数学演習について、多変数の微積分(ベクトル解析)、微分方程式、ラプラス変換、複素関数論の演習を通じて、 実際の工学的応用問題に対する解法のセンスを養う。

     

     

    3Sセメスター

    • 制御工学第一
      • 制御工学の基礎を学ぶ。
    • 統計的機械学習
      • 統計的機械学習について確率モデルを基礎とした機械学習に関する諸概念を習得することを目標とする。
    • 電子情報実験・演習第二
      • 専門性の高い実験・演習を通じ、電子情報工学及び電気電子工学の高度な基礎を通して学ぶ。
    • コンピュータアーキテクチャ
      • コンピュータの原理・構成法について学ぶ。
    • 電力システム工学第一
      • 電力システム工学について発電所から各需要家まで、電気エネルギーを輸送する技術を体系化した送配電工学について学ぶ。
    • 信号処理工学
      • 信号処理工学についてフーリエ変換を基本とした離散時間信号の処理手法について学ぶ。また、フーリエ変換に基づく信号処理の問題点についても解説し、ウェーブレット変換の考え方についても述べる。
    • アルゴリズム
      • アルゴリズムとデータ構造に関する基礎知識、それらのPythonでの実装方法を学ぶことを目的をする。
    • ネットワーク工学概論
      • ネットワーク工学についてインターネットシステムの構造・要素技術・運用・統治に関する概要を把握する。
    • 電気回路理論第二
      • 電気回路理論について、受動回路の性質について学ぶとともに、回路の設計について学習する。
    • 電子回路Ⅰ
      • 電子回路を理解し設計できるようになるための手法の基礎を学ぶ。

     

     

    3Aセメスター

    • 制御工学Ⅱ
      • 制御工学について航空機やロボットなど高度な工学システムの制御系設計を行う方法を習得するとともに、システム的思考に基づく諸現象の理解、とらえ方を学ぶ。
    • 電気電子情報実験・演習第二
      • 専門性の高い実験・演習を通じ、電子情報工学及び電気電子工学の高度な基礎を通して学ぶ。
    • オペレーティングシステム
      • オペレーティングシステムについてプロセス、プロセス間の同期通信、スケジューリング、メモリ管理、ファイルと⼊出⼒、トラン ザクション処理、セキュリティなどを学ぶ。
    • 人工知能
      • 高度で知的な情報システム作成に向けて必要となる探索・推論、知識表現、学習などの人工知能の考え方、手法を学ぶ。
    • 電力システム工学第二
      • 電力システム工学について電力の安定供給のために必要な電力システムの需給運用技術・解析技術について理解をする。
    • 情報通信工学
      • 情報通信工学について情報通信ネットワークの物理層を中心に基礎的技術や理論を習得する。
    • ヒューマンインターフェース
      • 使いやすいヒューマンインターフェースをデザインするための方法論や、最近の研究について紹介する。
    • 電子回路Ⅱ
      • 回路解析手法や非線形成分を含むより高度な電子回路、独特な方式の電子回路について、より深い学習を行う。

     

     

    4Sセメスター

    • プログラミング言語
      • 適切な高水準プログラミング言語を用いて問題を簡単に解決することを理解する。

     

     

    主な研究室紹介



    学科インタビュー


    Coming Soon


    学生の声


    • 電気電子工学科と電子情報工学科両方の研究室が選べるため、研究室の幅が広く、専門を学ぶ過程で興味が変わっても希望の研究室に行きやすい(合計で理学部情報科学科の4倍近く人がいる)
    • 電気電子工学科と電子情報工学科両方の授業を受けられるため、幅広い内容を履修可能
    • 電子情報工学科は未踏やSFPといった技術プロジェクトに採択されている学生が多く、刺激を受けやすい
    • ハード、ソフトをバランスよく学ぶことができる
    • 情報や電気を中心に、その他さまざまな学問分野の講義を履修することが標準的となっていて、さまざまな切り口から自分の興味を探し、深めることができます。また、座学での理論的な学びから、演習実験を通した「ものを作る」学びまで、縦にも横にも幅広く学ぶ機会に溢れた学科です。

     

    工学部:機械情報工学科

    機械情報工学科は、情報科学のみならず、機械工学もしっかり学ぶカリキュラムを提供することで、人間・機械・情報を結ぶ理論とシステムを創造可能なグローバルな視点を持ち、かつ、緻密な思考を行える次世代のリーダーや研究者を育成している。ロボットについての研究室や授業が多いのが特徴。

    基本情報



    カリキュラム紹介


    ※時間割表には2021年度のものを参考にしているため、実際とは異なる場合があります。
    http://www.kikaib.t.u-tokyo.ac.jp/komaba/curriculum/

    2Aセメスター

    • 機械ソフトウェア演習
      • プログラミング言語を使えるようになる。その過程でプログラムの流れ、さまざまな言語に共通する枠組、ライブラリやクラスの存在や意味について実践的に学ぶ。
    • ソフトウェア第一
      • ソフトウェアについて、情報工学、プログラミング基礎(オブジェクト指向など)を学ぶ。

     

     

    3Sセメスター

    • システム制御2
      • システム制御について制御対象を状態方程式として表現する現代制御論の制御系設計法について学び、その発展であるアドバンスト制御等についても学習する。
    • ソフトウェア第二
      • ソフトウェアについてロボット制御、画像処理などを学ぶ。
    • ヒューマン・インターフェース
      • 使いやすいヒューマン・インターフェースをデザインするための方法論や、最近の研究について学習する。
    • 機械工学総合演習第二
      • 機械工学について実際に自分で体験することで機械力学や機械設計の知識を学ぶ。

     

     

    3Aセメスター

    • 知能ソフトウェア演習
      • 知能ソフトウェアについて実際に手を動かす演習を通じ知識の定着を図り、演習で学習してきた内容のまとめとしてメカトロニクスや知的情報処理などを題材とした作品を各自で製作し、自主プロジェクト発表会において発表する。
    • ロボットシステム演習
      • ロボットシステムについて実際に手を動かす演習を通じ知識の定着を図るととともに、演習で学習してきた内容のまとめとして、メカトロニクスや知的情報処理などを題材とした作品を各自で製作し、自主プロジェクト発表会において発表する。
    • ロボットシステム
      • ロボットについて感覚と動作を結び実環境で行動を計画し実行制御するシステムに関する基礎を学ぶ。
    • 電気工学通論第二
      • 電気工学についてデジタル回路とコンピュータアーキテクチャについて学ぶ。
    • 神経と脳
      • 神経と脳について機械や計算機と対比しながら,生物や脳の情報処理メカニズムを学ぶ。
    • パターン情報学
      • パターン情報学について確率統計的手法や多変量解析手法などを用いた情報数理的な立場から、パターン情報処理の原理や仕組み、具体的な手法や応用について体系的に学ぶ。
    • ロボットコントロール
      • ロボットコントロールについて、多体システムとしてのロボットの運動と力学と制御の概念とその定式化の基礎を学ぶ。
    • ロボットインテリジェンス
      • 「知能とは何か、どう構成されるか」についての考え方と知識を学び、「システム構成論」という見方、考え方、態度を身につけるとともにロボット行動制御システムの基本を習得する。

     

     

    4Sセメスター

    • 知能機械情報学
      • 知能機会情報学について、ノイズや変動に満ちた膨大なセンサ信号から、信頼性よく認識、判断、記憶、学習などを行う仕組みの手法の基礎について学ぶ。

     

     

    主な研究室紹介


    • 生命知能システム研究室(神崎 亮平教授・高橋 宏知准教授)
      • キーワード:マイクロマシニング・神経工学・神経生理学
      • 研究の例
        • 神経インターフェースの開発
        • 脳の書き換え
        • 数理モデルによる昆虫脳の再構築
      • 研究室HP:http://www.brain.imi.i.u-tokyo.ac.jp/
    • 情報システム工学研究室(稲葉 雅幸教授・岡田 慧教授)
      • キーワード:知能ロボット・知能ソフトウェアシステム
      • 研究の例
        • 日常生活支援ヒューマノイドHRP2JSK
        • 筋骨格腱駆動ヒューマノイド小次郎
        • 小型全身運動密着ヒューマノイド
        • ダイナミック全身制御ヒューマノイド
        • 少子高齢社会と人を支えるIRTシステム
        • ロボット・オープンソフトウェア・システム
      • 研究室HP:http://www.jsk.t.u-tokyo.ac.jp/index-j.html
    • 知能情報システム研究室 (國吉 康夫教授・中嶋 浩平准教授)

      • キーワード:実世界知能情報学・脳情報処理応用システム・ソフトロボティクス・量子機械学習
      • 研究の例
        • 身体性認知科学
        • 構成論的発達科学
        • 人脳機能の解明と応用
        • ソフト・ロボティクス
        • ヒューマン・ロボット・インタラクション
        • ソーシャルICT
      • 研究室HP:http://www.isi.imi.i.u-tokyo.ac.jp/
    • マシンインテリジェンス研究室(原田 達也教授・高畑 智之特任准教授・椋田 悠介講師)

      • キーワード:知能ロボット・光マイクロシステム・画像認識・機械学習
      • 研究の例
        • ビッグデータを活用した実世界認識基盤の構築
        • 機械学習・データマイニングを活用した複雑システム解明に関する数理的研究
        • 実世界の面白い事象の発見と記事を自動生成するロボットシステム
        • マルチメディア理解・脳情報処理を活用した人の認知能力拡張に関する研究
      • 研究室HP:http://www.mi.t.u-tokyo.ac.jp/


    学科インタビュー


    Coming Soon


    学生の声


    • 名前の通り機械工学×情報工学の内容。ハードとソフトのどちらもを学べる。3Sまでは機械系の内容が多いので時間割を要確認。演習を除けばプログラミングの授業は2Aで2コマ、3Sで1コマ。研究はロボット系やバイオ、人工知能、AR/VRなど様々。HPを要参照

     

    教養学部:学際科学科 総合情報学コース

    コンピュータネットワークやプログラミングなどの情報科学・工学の知識を習得するとともに、ICT技術を駆使しながら、文理を横断した多様な分野において情報の価値判断、分析、創造、伝達を自由に行える人材を育てている。プログラミングを含め、情報科学について基礎から学ぶことができるため初学者にも大きな問題は生じない。

    基本情報



    カリキュラム紹介


    学際科学科は後期教養学部であるため、履修の自由度がかなり高い。よって、必修とそのほか選択可能な授業を示すことにする。

    卒業要件単位

    科目 必修科目 必要単位
    高度教養科目  選択必修 8単位
    コース科目 選択必修 30単位
    学際科学特別演習 必修 4単位
    学際科学特別研究 必修 6単位
    学際科学化の高度教養科目及び学科科目 合計 54単位
    卒業に必要な単位 合計 76単位

     

    2Aセメスター

     

    科目 区分 内容
    情報数理科学Ⅰ 必修・金曜5限 数学の基本的な考え方を、与えられた問題を解くことを通じて身につける。
    情報数理科学演習Ⅰ 必修・金曜3~4限 数学の基本的な考え方を、与えられた問題を解くことを通じて身につける。
    情報工学Ⅰ 必修・月曜4限 情報工学について論理回路及びコンピュータアーキテクチャ、オペレーティングシステムの基礎を学び、ノイマン型コンピュータが動作する仕組みをハードウェア、ソフトウェアの両面から理解を深める。
    統計学 必修・月曜2限 統計学の基礎・本質的な考え方・解析手法を学ぶ。様々な場面で実用性の高い統計学の解析手法を身につける。
    統計学実習 必修・木曜5限 統計学について統計解析の手法を使って実際のデータ解析を行う。解析にはpython、 MATLAB,、Rなどを用い、解析手法の理解を深め、様々な場面において適切な解析手法を選び、使えるものにすることを目標とする。
    プログラミング基礎 必修・月曜3~4限 プログラミングの基礎学習を目的とし、実習形式で学習していく。
    広域システム概論Ⅰ、Ⅱ 選択必修・水曜2限(Ⅰ)または火曜3限(Ⅱ) 自然界と人間社会における「システム」としての構造・機能・動態・進化について、それらを概括する。

     

    3Sセメスター

     

    科目 区分 内容
    情報数理科学Ⅱ 必修・火曜2限 情報数理について、リスト、キュー、木、ハッシュ、ヒープ等の基本的なデータ構造と探索、ソーティング等の基本的なアルゴリズムについて学ぶ。
    情報工学実験 必修・火木3~5限 情報工学について基本的な物理量の測定方法、データの解析方法、更に様々な対象の実験を行う手法を学び、測定の基礎知識と応用力を身につける。
    プログラミング演習 必修・水曜5限 プログラミングについてネットワーク通信やデータ管理を含む様々な要素技術と標準的なライブラリに触れ、それらを活用してある程度複雑な情報システムを作り上げる実習を行う。
    科学技術社会論 必修・月曜2限 科学技術社会論について概観し、その成果を学ぶとともに、課題を探る。

     

    3Aセメスター

     

    科目 区分 内容
    情報数理科学演習Ⅱ 必修・水曜5限 情報数理について基本的なアルゴリズムとデータ構造を理解し、意図通りに動作するプログラムを作成する力を身につける。
    総合情報学実習 必修・集中講義 コース内で進められている研究内容や研究手法について、実習や実験を通じて理解を深める。

     

    4Sセメスター

    • 普通に単位修得していれば4Sに必修は無く、コマ数はかなり少なくなる。週2-5コマ程度が一般的か。
    • 研究室に入って卒業研究も進めていく。

     

    ※Sセメスター学際科学科時間割

    1 人間情報学Ⅲ
    2 人間情報学Ⅰ 情報数理科学Ⅱ 情報工学Ⅴ 情報数理科学Ⅲ
    3 情報数理科学Ⅲ 情報工学実験 人間情報学Ⅵ 情報工学実験
    4 情報工学Ⅳ 情報工学実験 人間情報学Ⅵ 情報工学実験 情報数理科学Ⅲ
    5 情報工学Ⅴ 情報工学実験 プログラミング演習 情報工学実験

     

    主な研究室紹介


    • 松島研究室(松島 慎准教授)
      • キーワード:機械学習、データマイニング
      • 研究内容
        • 大規模データのためのアルゴリズム
        • 機械学習の最適化を図るアルゴリズムの研究開発
        • データ駆動型機械学習
      • 研究室HP:https://ml.c.u-tokyo.ac.jp/
    • 金井研究室(金井 崇准教授)
      • キーワード:グラフィックス
      • 研究内容
        • パラメータ化された材質を伴う3D衣服形状の学習ベース予測手法
        • Projective Dynamics におけるスモールステップ法の計算量削減
        • 流束補間を用いた質量・運動量保存移流計算手法
      • 研究室HP:https://graphics.c.u-tokyo.ac.jp/hp/


    学科インタビュー


    Coming Soon


    学生の声


    • 日本のプログラミング研究に早期から従事されてきた先生が多く、ソフトは幅広くやれるが、ハードはあまり触れられない。初心者にはかなり難しいが上級者には簡単という、良くも悪くもそこそこな難易度の授業が多い。例えば言語そのものに興味ある中上級者には良い環境だと思われる。

     

    最後まで記事を読んでくださりありがとうございました!
    最後に2点、この記事を作成したUT-BASEからお伝えしたいことがあります。

    1. 公式LINEにてイベント・プログラム情報や学内情報を発信しています。ぜひ登録してみてください!
    2020年度入学者用LINE
    2021年度入学者用LINE
    2022年度入学者用LINE

    2.我々UT-BASEは、 質問箱 を開いています。学生生活で気になるところ・不安なところがあればここから気兼ねなくご質問ください!

    記事内容修正依頼

    この記事をシェア

    関連カテゴリー

    【分野別】学部学科紹介

    同じ分野を学ぶことができる学科を「横断的に」比較しながら紹介します。

    関連記事

    【分野別 学部学科紹介】~医学~

    学部学科紹介 医学

    【分野別 学部学科紹介】~社会学~

    学部学科紹介 社会学

    【分野別 学部学科紹介】~歴史~

    学部学科紹介 歴史

    【分野別 学部学科紹介】~数学〜

    学部学科紹介 数学

    今読まれている記事

    推薦合格者必見!合格後の流れ

    東大 推薦 合格後の流れ

    東大推薦合格者必見!推薦入学の手続き

    東大 推薦 入学手続き

    東大推薦合格者必見!二外・TLP手続きには要注意

    東大 推薦 二外

    FLYプログラム概要

    新入生向け 海外 プログラム

    その他

    学生団体・サークル紹介

    団体理念、活動内容の側面で厳選した団体の質の高い情報を掲載中。

    ゼミ紹介

    1・2年生向けのゼミ・経済学部生向けゼミを掲載中。自主ゼミ掲載も募集中!

    学部/学科紹介

    内部生からの一次情報と、履修や諸制度を網羅した、全学科の情報を掲載中。

    プログラム/施設紹介

    学内外のプログラム、東大生が利用可能な施設を紹介。

    記事

    UTokyoWiFiの使い方や、図書館利用法など大学生活で役立つ多岐にわたる情報を掲載。

    公式note

    サイトでは紹介しきれない履修情報、インターン・サークルの選び方、おすすめ資格など多岐にわたる記事を掲載中。