カリキュラム

平成30年度

年間行程

年間行程は次の通りです。共同研究と就業研修(インターンシップ)は、個別に実施内容が異なりますので4月から1月の間に期間を限定せず進めて頂きます。e-Learningは、2018年4月以降順次開講します。

年間スケジュール

 

修了要件

修了要件は、次の通りです。それぞれの立場で必要となる科目・項目を確認してください。

修了要件

 
研修報奨金を希望する対象者は、経営工学系は「データアントレプレナー実践論」「データサイエンティスト特論」の履修の他に1科目以上履修が必要です。指定科目は、年度によって変更される場合があります。

別表: 指定科目

 

基礎学習

e-Learning

確率論・統計学

機械学習、AI、データサイエンスなど、ビッグデータの解析に用いられる手法を理解する上で、確率論と統計学は欠かすことはできません。この科目では、確率論を4回、統計学を6回、それぞれ講義します。前半の確率論では初回に確率論の基礎概念を確認し、続く3回で多くの手法を理解する上で欠かせない期待値、主な確率分布、そして確率過程についての基礎知識を確認します。後半の統計学では、仮説検定を1標本問題と2標本問題で1回、多標本問題で1回を説明し、続いて、主な推定方法として最尤法に基づく点推定と区間推定を1回、ベイズ推定を1回、それぞれ説明します。また多くのデータ解析手法の原点として、多変量解析手法の中から、回帰分析を1回、主成分分析と因子分析、判別分析やクラスター分析などについても1回、それぞれ紹介します。

  • 全10回
  • 1. 確率変数、確率分布、確率関数、累積分布関数、確率密度関数、同時確率、周辺確率、条件付き確率、独立と従属
  • 2. 期待値、平均、分散、条件付き期待値、条件付き分散
  • 3. 確率分布(正規、指数、二項、ポアソン、超幾何)(t、χ2乗、F、Γ)
  • 4. 確率過程
  • 5. 仮説検定 1 (単純仮説、1標本、2標本)
  • 6. 仮説検定 2 (多重検定)
  • 7. 推定 1 (最尤法、点推定、信頼区間)
  • 8. 推定 2 (ベイズ統計、MCMCか共役事前分布に基づく事後分布導出)
  • 9. 回帰分析(相関、単回帰、重回帰)
  • 10. 多変量解析(主成分、因子、判別分析、クラスター)

 

椿 美智子 - Michiko TSUBAKI

椿 美智子
1989年,電気通信大学へ着任.オックスフォード大学統計学訪問研究員を経て,電気通信大学 副学長(広報担当),アドミッションセンター長,広報センター長,教育研究評議会評議員,全学学生支援機構副機構長を兼務.情報理工学研究科情報学専攻経営・社会情報学プログラム / 情報理工学域Ⅰ類経営・社会情報学プログラム 教授.博士(工学)東京理科大学.




ビッグデータ分析対応確率論・統計学研究グループ 協力科目

  • 椿 美智子 教授
  • 川野 秀一 准教授
  • 金 路 准教授
  • 山本 渉 講師


 

コンピュータサイエンス特論

データサイエンスで用いられる種々の手法を理解するために必要不可欠な、コンピュータサイエンスの基礎について学習する。最初にコンピュータサイエンスという学門分野について概説した後、アルゴリズムの概念を学習し、最大公約数、因数分解、ベキ乗の計算アルゴリズムについて概観する。次に、合同式、有限体、フェルマーの小定理について学んだ後、RSA公開鍵暗号、電子署名などへの応用について解説する。グラフ理論に関しては、幅優先探索、パスと連結成分、根付き木などについて学習した後、スモール・ワールド現象について触れる。最後に、計算量理論の基礎を学ぶ。具体的には、計算時間の測り方、多項式時間アルゴリズム、計算時間の爆発的増加などの概念について学習した後に、P = NP ? 問題、ビットコイン、量子コンピュータに関する話題を紹介する。

  • 全10回
  • 1. アルゴリズム 1 コンピュータサイエンスとは、アルゴリズムとは、最大公約数の計算、ユークリッドの互除法
  • 2. アルゴリズム 2 因数分解アルゴリズム、ベキ乗の計算、ベキ乗の計算時間、因数分解の難しさ
  • 3. 整数論 1 合同式、合同式の代数、代数の基本的問題
  • 4. 整数論 2 ユークリッドの互除法、最大公約数に関する定理、有限体、フェルマーの小定理
  • 5. 公開鍵暗号 公開鍵暗号、RSA公開鍵暗号、電子署名
  • 6. グラフ理論 1 グラフの定義、パスと連結性、根付き木
  • 7. グラフ理論 2 グラフの幅優先探索、連結成分、複雑ネットワーク解析
  • 8. 計算量理論 1 計算時間の測り方、多項式時間アルゴリズム、計算時間の爆発的増加
  • 9. 計算量理論 2 クリーク問題、クリーク問題の計算量、P = NP ? 問題
  • 10. 計算量理論 3 NP 完全問題、ビットコイン、量子コンピュータ

 
西野 哲朗

西野 哲朗
1984年、早稲田大学大学院理工学研究科数学専攻博士前期課程修了。’84年、日本アイ・ビー・エム入社。東京基礎研究所研究員。’87年東京電機大学助手。’92年北陸先端科学技術大学院大学助教授。’94年電気通信大学電気通信学部電子情報学科助教授。’99年同情報通信工学科助教授。’06年同教授。’10年学内改組により現職。電子情報通信学会ソサエティ論文賞(’02年)IBM Faculty Award(’08年)文部科学大臣表彰科学技術賞(’10年)など受賞。主な著作に『P=NP? 問題へのアプローチ』(日本評論社)『量子コンピュータと量子暗号』(岩波書店)『図解雑学・量子コンピュータ』(ナツメ社)など。


 

プログラミング言語特論

データサイエンスで必要となるプログラミング言語Pythonの基礎を学習し、実習によって習得する。プログラミング言語Pthonの文法を学んだ後、制御スクリプトやオブジェクト指向の考え方と記法へと進む。データ分析に必要なモジュールを解説した後、可視化を行い、最後に総演習を行う。プログラミング言語Pythonを一通り学ぶことで、後期のデータサイエンティト特論の実習に繋がる。

  • 全10回
  • 1. Python 実験環境の構築
  • 2. Python を使ってみよう  インタープリタシェル、変数,文字列,リストなどのデータ構造、各種演算処理
  • 3. スクリプトとしてのPython 1  インタープリタからスクリプトへ、制御構造の書き方とインデント
  • 4. スクリプトとしてのPython 2  関数の書き方と使い方、変数のスコープ
  • 5. オブジェクト指向言語としての Python  クラスの書き方と使い方、インスタンスの生成
  • 6. モジュールの概要と import 1  標準モジュール解説、OSへのインタフェース, 文字列のパターンマッチング, 数学、インターネットへのアクセス, 日付と時刻, データ圧縮、パフォーマンスの計測, 品質管理
  • 7. モジュールの概要と import 2  科学技術計算のためのモジュールnumpy, scipy, matplotlib, pandasの概要紹介、
  • 8. numpy 概要と matplotlib による可視化
  • 9. scipy 概要とデータ解析
  • 10. 総合問題

 
庄野 逸

庄野 逸
1994年、大阪大学 大学院基礎工学研究科 生物工学分野修了。福島研究室にてネオコグニトロン、選択的注意機構モデルの研究に従事 1994 大阪大学 基礎工学部助手 1999 博士(工学)取得(大阪大学) “視覚システムのモデルを用いたパターン認識の研究” 2001 奈良女子大学 大学院人間文化研究科助手 ー城研究室にて最適化アルゴリズム、連想記憶モデルに関する研究に従事 2002 山口大学 工学部助教授 ー木戸研究室にて医用画像研究に従事 2006 山口大学 大学院医学系研究科助教授 2008 電気通信大学 電気通信学部 准教授 2015 電気通信大学 総合情報学部 教授 現在に至る 視覚システム、ニューラルネットワークモデルに基づいたパターン認識、統計力学的アプローチに基づく画像処理、医用画像処理の研究に従事。情報処理学会数理モデル化と問題解決研究会主査、電子情報通信学会医用画像研究会運営委員などを務める。



一般社団法人Pythonエンジニア育成推進協会
一般社団法人Pythonエンジニア育成推進協会 協力科目

  • 寺田 学 同協会 顧問理事 試験問題監修及びコミュニティ支援


 

対面学習

データアントレプレナー実践論

様々な分野の第一線の研究者、技術者、経営者からデータサイエンスを業務で扱うためのビジネス理論を中心に学習します。研究や実業での現実的な実例を学んだ後、講師と受講生で双方向のディスカッションを行い、グループワークでその理解を深めます。

  • 平成29年度 全15回(15コマ)
  • 1. ガイダンス ― 国立大学法人電気通信大学 田村 元紀
  • 1. データサイエンス論 ― 国立大学法人電気通信大学 清洲 正勝
  • 1. データサイエンティストの現状 ― 株式会社金融エンジニアリング・グループ 中林 三平
  • 2. ゼロ秒思考で日本のビジネス革新 ― ブレークスルーパートナーズ株式会社 赤羽 雄二
  • 3. IoT時代のビジネスモデル創造 ― ソニー株式会社 島田 啓一郎
  • 4-5. 地域ICT・IoTデータ活用 ― 学校法人津田塾大学 曽根原 登
  • 6. ロケーションデータ分析事業 ― 株式会社ナイトレイ 石川 豊
  • 7. データ分析実践手法 ― 株式会社リクルートコミュニケーションズ 早川 敦士
  • 8. 映像配信サービス(アニメ)における施策検討について ― 株式会社NTTドコモ 宮川 聡
  • 9-12. 人工知能を利用したデザイン思考 ― 国立大学法人電気通信大学 西野 哲郎
  • 13. データ活用から変革への取り組み ― 株式会社富士通研究所 丸山 文宏
  • 14. ビッグデータ活用の具体事例 ― 株式会社日立製作所 守屋 敏夫
  • 15. データ分析に関わる取り組み ― 富士ゼロックス株式会社 鈴木 真琴 氏
  • 平成28年度 全10回(15コマ)
  • 1. データサイエンス論 ― 国立大学法人電気通信大学 清洲 正勝
  • 2. アントレプレナーシップ論 ― 国立大学法人電気通信大学 安部 博文
  • 3. IoT時代のビジネスモデル創造 ― ソニー株式会社 島田 啓一郎
  • 4. スポーツのデータ分析 ― 国立大学法人電気通信大学 西野 順二
  • 5. ロケーションデータ分析事業 ― 株式会社ナイトレイ 石川 豊
  • 6. データ分析に関わる取り組み ― 富士ゼロックス株式会社 鈴木 真琴 氏
  • 7. 現実解としてのAIビジネス戦略 ― ソフトバンク株式会社 立田 雅人,菅野 亮
  • 8. データ活用から変革への取り組み ― 株式会社富士通研究所 丸山 文宏
  • 9. ビッグデータ活用の具体事例 ― 株式会社日立製作所 前田 章
  • 10. データ分析実践手法 ― 株式会社リクルートコミュニケーションズ 早川 敦士
  • 平成27年度 全3回(3コマ)
  • 1. ビッグデータ活用の具体事例 ― 株式会社日立製作所 前田 章
  • 2. ビッグデータ分析に関わる富士ゼロックスの取り組み ― 富士ゼロックス株式会社 大西 健司
  • 3. データ活用から変革へ ― 株式会社富士通研究所 丸山 文宏

 
田村 元紀 - Motonori TAMURA

田村 元紀
新日本製鐵株式会社を経て,文部科学省,東北大学,東京工業大学,東京農工大学にて産学官連携に関する研究を推進後,電気通信大学に着任.産学官連携センター センター長,産学官連携支援部門長 教授.プログラムマネージャ(講座責任者).博士(工学)東京大学.技術士(金属部門).

 

データサイエンティスト特論

データサイエンスの分析手法を実習で学びます。様々な分析手法を学んだ後、企業等に蓄積された実際のビッグデータを扱い、グループワークによって分析結果を出し発表します。最終結果は大学教員や一般社団法人データサイエンティスト協会の審査員によって審査されます。

  • 平成29年度 全15回(15コマ)
  • 1. ガイダンス、課題とデータ提供
  • 2. 講義および演習1
  • 3. 講義および演習2
  • 4. 講義および演習3
  • 5. 講義および演習4
  • 6. 講義および演習5
  • 7. データ加工/分析1
  • 8. データ加工/分析2
  • 9. 中間報告、分析/資料作成
  • 10. 分析/資料作成1
  • 11. 分析/資料作成2
  • 12. 分析/資料作成3
  • 13. 分析/資料作成4
  • 14. 分析/資料作成5
  • 15. 最終発表1、評価、講評
  • 平成28年度 全15回(15コマ)
  • 1. ガイダンス、講義
  • 2. 講義および演習1
  • 3. 講義および演習2
  • 4. 講義および演習3
  • 5. 講義および演習4
  • 6. 分析ケーススタディ
  • 7. データ加工/分析1
  • 8. データ加工/分析2
  • 9. 中間報告、分析/資料作成
  • 10. 分析
  • 11. 分析/資料作成1
  • 12. 分析/資料作成2
  • 13. 分析/資料作成3
  • 14. 分析/資料作成4
  • 15. 最終発表1、評価、講評
  • 平成27年度 全9回(9コマ)
  • 1. 目的指向的データ分析 ― 株式会社金融エンジニアリング・グループ 中林 三平
  • 2. ビッグデータ時代のクラスター分析 ― 株式会社ALBERT 山川 義介
  • 3. 受験生の大学への資料請求履歴を活用した出願予測 ― 株式会社ジーリサーチ 上野 勉
  • 4. NECのデータサイエンティスト:テキスト分析編 ― 日本電気株式会社 山本 泰高
  • 5. データエンジニアリング ― ヤフー株式会社 角田 直行
  • 6. ビッグデータ実践処理 ― Pivotalジャパン株式会社 宵 勇樹
  • 7. レシートデータを活用したビジネス解決例と受託型ビジネスにおけるデータサイエンティストの役割 ― 株式会社ブレインパッド 三浦 航
  • 8. 国家プロジェクトにおけるデータサイエンティストの活動 ― 日本アイ・ビー・エム株式会社 藤 泉也
  • 9. ソフトウエアベンダーのデータサイエンティストに求められるスキル ― SAS Institute Japan株式会社 辻 仁史

 
田村 元紀 - Motonori TAMURA
田村 元紀
新日本製鐵株式会社を経て,文部科学省,東北大学,東京工業大学,東京農工大学にて産学官連携に関する研究を推進後,電気通信大学に着任.産学官連携センター センター長,産学官連携支援部門長 教授.プログラムマネージャ(講座責任者).博士(工学)東京大学.技術士(金属部門).


Data Scientist Society
一般社団法人データサイエンティスト協会 協力科目

  • 中林 三平 同協会 理事、電気通信大学 客員教授
  • 斉藤 史朗 同協会 企画委員長、電気通信大学 非常勤講師
  • 原田 慧 同協会 講師、電気通信大学 非常勤講師


 

実践学習

共同研究

大学院の学生を対象としたもので、所属する研究室と企業との共同研究に関わることで、実践的課題解決の手法や効果を体験します。研究室と企業との共同研究課題の設定は、電気通信大学産学官連携センター及び株式会社キャンパスクリエイトのコーディネーターやURAの担当者がお手伝いします。

課題の内容や規模によって、実施形態が異なるので、個別の相談となります。実際の進め方としては、年度初めのガイダンスや、年度途中での相談会などを通じて、具体的な課題を設定します。

電気通信大学は、エレクトロニクス、情報通信、コンピュータ、メカトロニクス、知能ロボット、バイオテクノロジー、レーザーと光技術、新素材などを中心とする先端科学技術の分野で優れた業績を持つ多数の教官、研究者を擁しています。全学では、理工学から人文社会まで300余名の教官がそれぞれの専門分野に関して共同研究に参加する体制をとっています。

本プログラムでは、特に、AI、IoT、ビッグデータ、セキュリティ等の情報通信分野の課題を中心に課題の設定を行います。

参照URL:http://www.crc.uec.ac.jp/institution/

 
田村 元紀 - Motonori TAMURA
田村 元紀
新日本製鐵株式会社を経て,文部科学省,東北大学,東京工業大学,東京農工大学にて産学官連携に関する研究を推進後,電気通信大学に着任.産学官連携センター センター長,産学官連携支援部門長 教授.プログラムマネージャ(講座責任者).博士(工学)東京大学.技術士(金属部門).

 

就業研修(インターンシップ)

大学院の学生を対象にしたもので、企業で実施されるインターンシップに参加することで、実践的課題解決の就業体験をします。受け入れ企業やインターンシップの内容決定については、電気通信大学産学官連携センター、共通教育部キャリア教育部会インターンシップ推進室やURAの担当者がお手伝いします。

対象とする年次や、インターンシップ履修期間、研究・技術開発課題は、個別の相談に応じて柔軟に設定する予定です。

希望する学生は、希望票を提出していただきます。保険加入、企業機密保持、渡航費など、従来のインターンシップ制度と同様に実施します。

参照URL: http://www.uec.ac.jp/career/career/procedure.html

キャリア教育部会インターンシップ推進室の2単位付与されるインターンシップは、博士前期課程1年次を対象として原則夏休みに90時間以上の実習を行います。この報告書や成績評価は、本プログラムの修了要件申請に使用できる場合があります。

参照URL:http://www.uec.ac.jp/career/career/internship.html

 
田村 元紀 - Motonori TAMURA
田村 元紀
新日本製鐵株式会社を経て,文部科学省,東北大学,東京工業大学,東京農工大学にて産学官連携に関する研究を推進後,電気通信大学に着任.産学官連携センター センター長,産学官連携支援部門長 教授.プログラムマネージャ(講座責任者).博士(工学)東京大学.技術士(金属部門).