教育プログラムを構成する授業科目において、「情報入門科目群」から1単位以上、「情報リテラシー科目群」から3単位以上、「情報基礎科目群」から3単位以上、合計7単位以上を取得すること。
科目対応表はこちら
科目群 | 科目名 | 単位 | 備考 |
---|---|---|---|
情報入門科目群 | 建設社会工学演習 | 1 | |
機械知能工学入門 | 1 | ||
電気電子工学序論 | 1 | ||
応用化学入門 | 1 | ||
マテリアル工学入門 | 2 | ||
宇宙システム工学入門 | 1 | ||
サスティナビリティ論 | 1 | ||
キャリア形成入門 | 2 | ||
情報リテラシー科目群 | 情報リテラシー | 2 | |
工学倫理 | 1 | ||
情報基礎科目群 | 物理学・化学実験 | 1 | |
情報PBL | 2 | ||
情報処理基礎 | 2 |
科目群 | 科目名 | 単位 | 備考 |
---|---|---|---|
情報入門科目群 | 情報工学概論 | 1 | |
ICTと現代社会論 | 1 | ||
サスティナビリティ論 | 1 | ||
キャリア形成概論 | 2 | ||
情報リテラシー科目群 | 情報セキュリティ概論 | 1 | R3表彰科目 |
情報技術者倫理 | 2 | ||
情報基礎科目群 | 情報工学基礎実験 | 1 | |
プログラミング | 3 | R1表彰科目 R2表彰科目 |
※表彰科目とは、学生による授業アンケートの集計結果を基に、優れた授業科目の担当教員を選出し、表彰した科目です。
本プログラムの修了要件単位数には含まれません。
授業に含まれている内容・要素 | 授業科目名称 | 備考 |
---|---|---|
統計及び数理基礎 | 線形数学A | R1表彰科目 |
線形数学B | ||
統計学 | ||
アルゴリズム基礎 | 情報処理基礎 | |
プログラミング技法 | ||
コンピュータ解析Ⅰ | ||
データ構造とプログラミング基礎 | 情報処理基礎 | |
情報処理システムⅡ | ||
プログラミング技法 | ||
画像解析 | 情報処理システムⅠ | |
制御工学PBLⅢ | ||
画像処理基礎 | ||
コンピュータ解析Ⅱ | ||
データ活用実践(教師あり学習) | コンピュータ解析Ⅱ | |
その他 | 生命体工学概論A | |
生命体工学概論B |
授業に含まれている内容・要素 | 授業科目名称 | 備考 |
---|---|---|
統計及び数理基礎 | 線形代数Ⅰ | |
線形代数Ⅱ・同演習 | R1表彰科目 R3表彰科目 |
|
確率・統計 | R1表彰科目 | |
アルゴリズム基礎 | プログラミング | R1表彰科目 R2表彰科目 |
データ構造とプログラミング基礎 | データ構造とアルゴリズム | R1表彰科目 |
時系列データ解析 | 画像工学Ⅱ | |
テキスト解析 | オートマトンと言語理論 | R3表彰科目 |
人工知能応用 | ||
自然言語処理 | R2表彰科目 R3表彰科目 |
|
画像解析 | 画像工学Ⅰ | |
メディア処理 | ||
デジタルコンテンツ | ||
画像工学Ⅱ | ||
データハンドリング | データ圧縮 | |
データ活用実践(教師あり学習) | 知能情報工学実験演習Ⅰ | |
コンピュータビジョンA | R3表彰科目 | |
バイオ統計・演習 | ||
データ解析 | ||
パターン解析 | ||
その他 | 脳型システム |
※表彰科目とは、学生による授業アンケートの集計結果を基に、優れた授業科目の担当教員を選出し、表彰した科目です。
工学部の全学科では工学部のプログラムを構成する下記の全学科必修の4科目(8単位)を取得すること。
情報工学部の全学科では情報工学部のプログラムを構成する下記の全学科必修の8科目(15単位)を取得すること。
科目対応表はこちら
科目名 | 単位 | 備考 |
---|---|---|
情報PBL | 2 | |
情報処理基礎 | 2 | |
情報処理応用 | 2 | |
情報リテラシー | 2 |
科目名 | 単位 | 備考 |
---|---|---|
解析Ⅰ・同演習 | 2 | |
線形代数Ⅰ | 2 | |
離散数学Ⅰ | 2 | |
データ構造とアルゴリズム | 2 | |
計算機システムⅠ | 2 | |
プログラミング | 3 | |
情報工学概論 | 1 | |
情報工学基礎実験 | 1 |
授業に含まれている内容・要素 | 単位 | 備考 |
---|---|---|
数学発展 | 線形数学B |
授業に含まれている内容・要素 | 単位 | 備考 |
---|---|---|
数学発展 | 線形代数Ⅱ・同演習 | R3表彰科目 |
確率・統計 |
役割 | 委員会等 |
---|---|
本プログラムの運営責任者 | 副学長(教育高度化本部担当) |
本プログラムの改善・進化 | 数理・DS・AI教育推進室 |
本プログラムの自己点検・評価 | 教育高度化本部 |
Comments卒業生・学生コメント
産業用ロボットは、工場で人にとってツライ作業(危険な作業、重い荷物を運ばなければならない作業、ミスが許されない作業など)を代わりに行うことができます。人の代わりに働いてくれる産業用ロボットは現段階でも世界中の様々な工場で活躍していますが、市場の広がりとともに課題も出てきました。
例えば、大量生産で同じ作業を何回も繰り返すような作業は産業用ロボットにとって得意分野です。しかし、頻繁に作るものが変わってくるなど柔軟な対応力が必要な作業や、良品か不良品かを判定するような繊細な判断が要求される作業はまだ苦手としています。よって工場ではツライ作業がまだたくさん残っていて、産業用ロボットがもっと賢くなる(さらに知能を持つ)ことでそのツライ思いを取り除くことができると考えています。
私はこのような現状を特にAI技術によって解決しようとしており、日々奮闘しています。AI技術と聞くと魔法のような技術と思われるかもしれませんが、実はそうではありません。高校の数学や物理、そして大学で勉強してきた学問を基礎とし、その延長として出来上がっている技術です。
九州工業大学の本プログラムには、AI技術を理解するために必要な学問を勉強できるカリキュラムが用意されていますし、ただ勉強するだけではなく、自分が考えたことを他の人に理解してもらう力を養うためのカリキュラムも受講できるようになっています。私も線形代数という数学の分野やプログラミングの知識などを大学で学んだおかげで、絶え間なく進化するAI技術を現在も追いかけることができています。そしてそれらの最新AI技術をどのように産業用ロボットの頭脳に組み込んでいけばよいかを日々考え、他の人たちと議論を重ねながら、実際の製品にすることができています。
最後に、AIやロボットに興味がある方だけでなく、何か人の役に立つものを作ってみたいけどどうすればいいんだろう?と悩んでいる方も、ぜひ本カリキュラムを受講して、知見を広げていっていただければと思います。そして将来的には工場の自動化や産業用ロボットの知能化について一緒に考えていけたらとても嬉しいです。
勉強の毎日ですが、大学時代に培った姿勢が現在の自分の基礎となり、頑張ることができていると感じています。
そんな私が大学時代に意識していたことは、MDASHプログラムのような大学から提供いただけるイベントやプログラムに積極的に参加すること、参加したイベントやプログラムを最後まで粘り強くやり抜くこと、その過程で仮説検証を繰り返し行い課題を解決していくことの3つです。
自分から能動的に機会を利用し、試行錯誤を繰り返すことは、今後社会に大きく羽ばたいていく皆さんの大きな武器になると思います。
以前から趣味で開発していましたが、最近は大学内外の様々な人にも関わっていただけるようになり、「九州工業大学バーチャルキャンパス」の開発をはじめ、今までよりも更にワクワクできそうなアプリケーションの開発に取りくめるようになりました。