学びの流れ
1年次 基礎力
-
ITの基礎を一から学ぶ
AIを学ぶ土台となるITの基礎について、座学を中心に学びます。アルゴリズムやデータ構造、ネットワーク、データベース等、一から学びます。1年次の科目については、システム専攻とほとんど変わりません。
-
AIへつながるIoTやビッグデータを理解する
IoT:Internet of Things(モノのインターネット)に用いられる技術や機器、ビッグデータの特徴や利活用について学習し、AIとの関連性について理解します。
2年次 応用力
-
オブジェクト指向やシステム設計技法を学ぶ
1年次に学んだITの基礎から発展して、高度な技術を身に付けます。オブジェクト指向プログラミングやUMLを用いたシステム設計技法などを学び、ITエンジニアとしての力を増やします。
-
AIの概論を学びAIプログラミングの下地を作る
AIの仕組みやその利活用について基礎知識を学習します。また現状のAIの利点や欠点を学び、システム開発においてAIを効果的に組み込む基礎知識を獲得します。
3・4 年次 実践力
-
プログラミング言語「Python」を学ぶ
第2言語「Python」について学習します。第1言語の「Java」との比較で基本文法やライブラリの使い方を学び、AIプログラミングに向けた基礎力を身に付けます。
-
AIプログラミングの実践力を身に付ける
AIサービスを開発する上で必要なAPI、ライブラリやフレームワークの使用方法について学習します。また実習の中で機械学習の手法による認識精度の違いについても体感します。
ディープラーニング(深層学習)の何がすごいのか?
各種ニュースで「ディープラーニング(深層学習)」が注目されていますが、何がすごいのでしょうか。ディープラーニングのすごいところは「機械が特徴を自動的に理解する」という点です。例えば画像を見て「犬」か「猫」かを識別するプログラムを作るとします。今まではどこを識別すれば良いか(目、耳、鼻の形がこうだったら犬など)を人間が考え、プログラミングする必要がありました。しかしディープラーニングでは、画像を指定して「これが犬」「これは猫」と繰り返せば、コンピュータが自分で識別するポイント(特徴)を発見し学習することができるようになりました。これにより専門家が高度な知識や経験で判断していたことも簡単にプログラミングできるようになったので、こんなに注目されているのです。
デジタルトランスフォーメーション
(Digital Transformation:DX)
デジタルトランスフォーメーション(DX)とは、「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること」です。(※1)
DXには様々なデジタル技術が使われますが、その中核となる技術がAIです。DXを進めるためには、既存システムの刷新が不可欠で、そのためには、システムを作るベンダ企業、システムを使うユーザ企業、いずれにもIT人材が必要です。しかしながら、ベンダ企業では、既存システムの維持・保守に人員が割かれ、システム開発をベンダ企業に丸投げしてきたユーザ企業にはIT人材がほとんどいない状況です。企業がDXを推進しデジタル競争に生き残るために、ITを学んだ人材が求められています。
※1 経済産業省のDX推進ガイドラインより
ピックアップカリキュラム
-
AIの活用と開発手法
AIの歴史や種類、特性について学びます。機械学習、ニューラルネットワーク、ディープラーニングの概要についても学習します。
-
Python
基本文法やデータ構造を演習中心で学習します。学ぶ内容は基礎的ですが、AIプログラミングをするための非常に重要な科目です。
-
AIプログラミング
Pythonを用いてAIに関するライブラリ、フレームワークの使用方法を習得します。各種AIサービスを実際に動かして活用イメージを掴みます。
-
AIシステム開発実践
オープンソース機械学習ライブラリ「scikit-learn」を使用した実践演習を行います。実践を通じてニューラルネットワーク、ディープラーニングの理解を深めます。
特別カリキュラム
-
loTとビッグデータ
loT:Internet of Things(モノのインターネット)やビッグデータを理解します。近年のloT事情やセキュリティ面についても学び、利活用の上で注意すべき点も学習します。すでに日常に溶け込んでいるloT、ビッグデータ、AIの関連性が知れる科目です。