特長とカリキュラム立教大学大学院 人工知能科学研究科

5つの特長

AIを架け橋として文理融合を図りながら、社会実装を重視した教育研究を展開。

特長1:機械学習・ ディープラーニングの 本格的な学習

機械学習を中心に人工知能やデータサイエンス分野、ディープラーニングを本格的に学習し、先端的研究に携わります。そのため、機械学習・データサイエンスを修得する上で重要な基礎科目(情報科学など)を重点的に学びます。また、「先端科学技術の倫理」といったAIを社会実装する上で重要な科目群が配置されており、基礎研究から社会実装までバランス良く学ぶことができます。

特長2:「リベラルアーツ×AI」による 革新的な研究と人材育成

本研究科が目指すのは、広い視野とAIと社会をつなぐ力によって、さまざまな社会課題の解決のために貢献できる人材。例えば物理学や生命科学といった自然科学だけでなく、社会学や経済学などの社会科学の専門知識と人工知能によるデータ解析等の技術を併せ持ち、領域横断的なデータ解析を展開できるなど、分野を横断して活躍できる力を幅広い学びの中で育成していきます。

特長3:産学連携による 「社会実装」プログラムの充実

AI技術と社会をつなぐ人材の育成のために、研究と教育、社会実装の三位一体となった環境を用意。社会実装では、企業でのAIプロジェクトの最前線で活躍している教員から最先端AIプロジェクトの実習指導を受けることができ、提携企業との共同研究の中で学びを発展させ、社会に生かす実践的な力を身に付けていくことが可能です。

特長4:AIの社会実装に向けた 先端科学技術の倫理を学習

機械学習を中心とした研究を行う一方で、立教大学ではAIにかかわる倫理や法律、プライバシーなどのELSI(倫理的、法的、社会的諸問題)の学びを深めることも重要視しています。本研究科での博士課程前期課程では必修で「先端科学技術の倫理」を設定しています。

特長5:昼夜間開講形式で、 社会人も学びやすい環境

社会人が働きながら人工知能科学の学位を修得できるように平日夜間と土曜日に科目を集中配置。理系学部出身の学生、人文社会科学出身の学生、そしてさまざまな専門性を持つ社会人学生たちが、相互に刺激を与えながら異分野間のシナジー効果を引き出せる環境です。

AIをキーワードに全業種で改革を担える人材の育成

「A I プランナー」エンジニアと専門分野の架け橋になる

基礎的なAI関連の知識を持って、業務活用を企画できる力を育成。ソフトウェア実装を経験し、エンジニアやプログラマーとコミュニケーションできる人材を目指します。

「AIエンジニア」知識と倫理観を持ってAI開発を行う

エンジニアやプログラマー経験のある社会人が、AI関連技術と既存技術を合わせて発展的に活かす力を育成。既存のAI技術をソフトウェアで実装でき、実データに対して機械学習の応用ができる人材を目指します。

「A I サイエンティスト」学術としての人工知能を研究

機械学習の数理モデルを深く理解し、高度な情報科学や統計学の知識を持ち、論文から最新のAI技術を実装できる力を育成。先端的な機械学習モデルを主導できる人材を目指します。(博士課程前期課程と後期課程合わせて5年間で養成)

「データサイエンティスト」ビッグデータの高度な分析を担う

高度な情報科学、統計学、計算機科学、数理モデルの知識を持ち、さらにビジネス課題解決力をも有する人材を目指します。(博士課程前期課程と後期課程合わせて5年間で養成)

カリキュラム

博士課程前期課程授業科目

機械学習やディープラーニングなど、人工知能・データサイエンス分野の「知の体系」を修得する科目を設置しています。

PICK UP

機械学習
データ分析の代表的なモデルを軸に、各アルゴリズムを実装 に直結する形で詳細かつ簡潔に解説。機械学習の基礎を学 び、その後、ニューラルネットワークによる表現学習、クラスタ リングなど、機械学習アルゴリズムを一通り理解します。
先端科学技術の倫理
既存の先端技術における問題の発生要因をケーススタディで学んでいくことで、今後、AIを社会に普及させるにあたっての道徳的問題の発生と、その解決策を考えていきます。
人工知能社会実装
人工知能技術の社会実装の実例をオムニバス形式で学びます。様々な実例を通じてAI技術の社会応用をマネジメントする能力を身につけるため、全14回で様々なトピックを取りあげ学習していきます。
修士論文指導演習
修士課程修了後に自ら研究を進めていくための土台を築くこと、あるいは修士課程修了後に社会で人工知能・データサイエンスのプロジェクトを推進するための能力を身につけることを目標とします。

博士課程後期課程授業科目

●人工知能科学特別研究1-6   ●人工知能科学先端演習   ●人工知能科学特別講義      ●人工知能科学特別講究1・2