人工知能科学研究科
の教育目的と各種方針立教大学の教育目的と各種方針
博士課程前期課程
博士課程前期課程は、本課程を修了する者が修得すべき知識及び能力を以下の通り定める。
本課程に2年(4学期)以上在学して所定の単位を修得し、かつ、研究指導を受けた上、修士論文又は特定課題研究に係る研究開発プロジェクト報告書を提出して、その審査及び最終試験に合格した者は、これらの知識、能力等を身に付けていると認め、修士の学位(修士(人工知能科学))を授与する。
- 人工知能を学修する上で必要な基礎的知識及び機械学習や統計学といった人工知能分野に共通する基礎知識
- 研究活動やプロジェクト実習に取り組む上で必要となる基礎知識
- 人工知能やデータサイエンスの技術を社会の様々な課題に応用し、人工知能の社会実装を推進する上で必要な知識や技術
- 修了後に人工知能やデータサイエンスの分野で長期間活躍できるような基礎知識と技術
- 人工知能やデータサイエンスを駆使した課題解決の総合的能力
博士課程後期課程
博士課程後期課程は、本課程を修了する者が修得すべき知識及び能力を以下の通り定める。
本課程に3年(6学期)以上在学して所定の単位を修得し、かつ、研究指導を受けた上、博士論文を提出して、その審査及び最終試験に合格した者は、これらの知識、能力等を身に付けていると認め、博士の学位(博士(人工知能科学))を授与する。ただし、在学期間に関しては、特に優れた研究業績を上げた者については、博士課程後期課程に1年(2学期)以上在学すれば足りるものとする。
本課程に3年(6学期)以上在学して所定の単位を修得し、かつ、研究指導を受けた上、博士論文を提出して、その審査及び最終試験に合格した者は、これらの知識、能力等を身に付けていると認め、博士の学位(博士(人工知能科学))を授与する。ただし、在学期間に関しては、特に優れた研究業績を上げた者については、博士課程後期課程に1年(2学期)以上在学すれば足りるものとする。
- 機械学習や統計学といった人工知能分野に共通する基盤知識についての深い理解
- 高度な研究活動に必要な課題設定能力および仮説検証能力
- 人工知能やデータサイエンスの技術を社会の様々な課題に応用し、高い倫理観と法知識をもって人工知能の社会実装を推進する総合的能力
- 人工知能やデータサイエンスの社会実装における諸問題を適切に解決できる能力
- 国際的に研究活動を展開できる能力
本研究科では、学位授与の方針に沿って、以下のとおり教育課程を編成している。なお、これらの教育課程を通じて得られる学修成果は、授業時に実施する小テスト、随時に課されるレポート、そして学期末試験等によって評価する。
博士課程前期課程
教育課程の構成
本課程の修了要件は30単位であり、授業科目を以下の区分に分けている。
1.では、学問的背景の異なる学生が、人工知能を学修する上で必要な基礎的知識を習得するための科目や、機械学習や数理統計学といった人工知能分野に共通する基礎を習得するため、「データサイエンス概論」、「機械学習」、「人工知能概論」等の授業科目を開講する。
2.では、研究室での研究活動やプロジェクト実習に取り組む上で必要となる基礎知識を獲得するため、基幹科目を補完する科目として「情報科学概論」、「数理科学概論」、「社会情報科学概論」、「計算機科学概論」等の授業科目を開講する。
3.では、人工知能やデータサイエンスの技術を社会の様々な課題に応用し、人工知能の社会実装を推進する上で必要な知識や技術を獲得するため、「AIビジネス特論」、「自然言語処理特論」、「人工知能社会実装」等の授業科目を開講する。また、既存の技術を超える革新的な人工知能の研究を推進する上で糧となる知識を獲得するため、「脳神経科学特論」、「量子情報特論」等の授業科目を開講する。
4.では、人工知能やデータサイエンスの分野で卒業後に長期間活躍できるような基礎知識と技術を徹底的に身に付けるため、「Pythonプログラミング」、「機械学習演習」、「深層学習演習」等の実践的な授業科目を開講する。
5.では、教員の指導のもとで先端的な研究あるいは先進的なプロジェクトに取り組み、人工知能やデータサイエンスを駆使した課題解決の総合的能力を訓練するため、「プロジェクトチーム実習」、「特別研究」、「修士論文指導演習」等の授業科目を開講する。
- 基幹科目
- 基礎科目
- 応用科目
- 演習?実習科目
- 研究指導科目
1.では、学問的背景の異なる学生が、人工知能を学修する上で必要な基礎的知識を習得するための科目や、機械学習や数理統計学といった人工知能分野に共通する基礎を習得するため、「データサイエンス概論」、「機械学習」、「人工知能概論」等の授業科目を開講する。
2.では、研究室での研究活動やプロジェクト実習に取り組む上で必要となる基礎知識を獲得するため、基幹科目を補完する科目として「情報科学概論」、「数理科学概論」、「社会情報科学概論」、「計算機科学概論」等の授業科目を開講する。
3.では、人工知能やデータサイエンスの技術を社会の様々な課題に応用し、人工知能の社会実装を推進する上で必要な知識や技術を獲得するため、「AIビジネス特論」、「自然言語処理特論」、「人工知能社会実装」等の授業科目を開講する。また、既存の技術を超える革新的な人工知能の研究を推進する上で糧となる知識を獲得するため、「脳神経科学特論」、「量子情報特論」等の授業科目を開講する。
4.では、人工知能やデータサイエンスの分野で卒業後に長期間活躍できるような基礎知識と技術を徹底的に身に付けるため、「Pythonプログラミング」、「機械学習演習」、「深層学習演習」等の実践的な授業科目を開講する。
5.では、教員の指導のもとで先端的な研究あるいは先進的なプロジェクトに取り組み、人工知能やデータサイエンスを駆使した課題解決の総合的能力を訓練するため、「プロジェクトチーム実習」、「特別研究」、「修士論文指導演習」等の授業科目を開講する。
学位授与の方針に記載した学修成果と授業科目等の関係
1.の科目を受講することにより、人工知能を学修する上で必要な基礎的知識及び機械学習や統計学といった人工知能分野に共通する基礎的知識を身に付ける。
2.の科目を受講することにより、研究活動やプロジェクト実習に取り組む上で必要となる基礎知識を身に付ける。
3.の科目を受講することにより、人工知能やデータサイエンスの技術を社会の様々な課題に応用し、人工知能の社会実装を推進する上で必要な知識や技術を身に付ける。
4.の科目を受講することにより、修了後に人工知能やデータサイエンスの分野で長期間活躍できるような基礎知識と技術を身に付ける。
5.の科目を受講することにより、人工知能やデータサイエンスを駆使した課題解決の総合的能力を身に付ける。
2.の科目を受講することにより、研究活動やプロジェクト実習に取り組む上で必要となる基礎知識を身に付ける。
3.の科目を受講することにより、人工知能やデータサイエンスの技術を社会の様々な課題に応用し、人工知能の社会実装を推進する上で必要な知識や技術を身に付ける。
4.の科目を受講することにより、修了後に人工知能やデータサイエンスの分野で長期間活躍できるような基礎知識と技術を身に付ける。
5.の科目を受講することにより、人工知能やデータサイエンスを駆使した課題解決の総合的能力を身に付ける。
博士課程後期課程
教育課程の構成
本課程の修了要件は26 単位であり、授業科目を以下の区分に分けている。
1.では、主指導教員による研究指導科目である「人工知能科学特別研究1~6」を配置し、先端的な専門知識や高度な情報収集力の獲得、研究の構想力、そして問題解決能力やプレゼンテーション能力など総合的な研究遂行力を身につける。また、副指導教員による研究指導科目である「人工知能科学先端演習」を配置し、多様な研究領域に接することを通して自らの研究を複眼的な視点で捉え直しつつ課題解決にあたる能力を涵養する。
2.では、「人工知能科学特別講究1,2」を配置し、研究活動で必須となる研究発表の総合的な能力を涵養する。国内外の学会において専門分野の研究発表を行い、その一連のプロセスにおいて必要なスキルを育成する。また、専門分野?関心領域が必ずしも一致しない聴衆に対しても説得力を持つ発表を行える能力を身につける。「人工知能科学特別講義」では、多様な分野の複数の教員がそれぞれの研究領域における先端知識、研究課題、研究動向についての講義を行い、学生が人工知能科学の全体像を把握できるようにする。
その他、コースワーク科目では、本研究科の教育研究の柱となる3 分野に沿った科目も展開している。
「データ駆動型科学分野」では、「社会情報科学概論(D)」「複雑ネットワーク科学(D)」「統計モデリング1(D)」「統計モデリング2(D)」「量子情報特論(D)」を配置し、統計的機械学習を駆使したビッグデータ分析による知識発見に重点をおいた教育研究を行う。
「人工知能分野」では、「深層学習演習1(D)」「深層学習演習2(D)」「自然言語処理特論(D)」「脳神経科学特論(D)」を配置し、深層学習に重点をおいた人工知能の基礎研究と応用研究を行う。
「応用人工知能?データサイエンス分野」では、「計算機科学概論(D)」「人工知能科学特別演習(D)」「データサイエンス実習(D)」を配置し、人工知能(特に深層学習)の社会での応用や機械学習がその中心部を占めるデータサイエンスの社会での活用といった、機械学習?深層学習の社会実装を推進する。
- リサーチワーク科目
- コースワーク科目
1.では、主指導教員による研究指導科目である「人工知能科学特別研究1~6」を配置し、先端的な専門知識や高度な情報収集力の獲得、研究の構想力、そして問題解決能力やプレゼンテーション能力など総合的な研究遂行力を身につける。また、副指導教員による研究指導科目である「人工知能科学先端演習」を配置し、多様な研究領域に接することを通して自らの研究を複眼的な視点で捉え直しつつ課題解決にあたる能力を涵養する。
2.では、「人工知能科学特別講究1,2」を配置し、研究活動で必須となる研究発表の総合的な能力を涵養する。国内外の学会において専門分野の研究発表を行い、その一連のプロセスにおいて必要なスキルを育成する。また、専門分野?関心領域が必ずしも一致しない聴衆に対しても説得力を持つ発表を行える能力を身につける。「人工知能科学特別講義」では、多様な分野の複数の教員がそれぞれの研究領域における先端知識、研究課題、研究動向についての講義を行い、学生が人工知能科学の全体像を把握できるようにする。
その他、コースワーク科目では、本研究科の教育研究の柱となる3 分野に沿った科目も展開している。
「データ駆動型科学分野」では、「社会情報科学概論(D)」「複雑ネットワーク科学(D)」「統計モデリング1(D)」「統計モデリング2(D)」「量子情報特論(D)」を配置し、統計的機械学習を駆使したビッグデータ分析による知識発見に重点をおいた教育研究を行う。
「人工知能分野」では、「深層学習演習1(D)」「深層学習演習2(D)」「自然言語処理特論(D)」「脳神経科学特論(D)」を配置し、深層学習に重点をおいた人工知能の基礎研究と応用研究を行う。
「応用人工知能?データサイエンス分野」では、「計算機科学概論(D)」「人工知能科学特別演習(D)」「データサイエンス実習(D)」を配置し、人工知能(特に深層学習)の社会での応用や機械学習がその中心部を占めるデータサイエンスの社会での活用といった、機械学習?深層学習の社会実装を推進する。
学位授与の方針に記載した学修成果と授業科目等の関係
1.の科目を受講することにより、機械学習や統計学といった人工知能分野に共通する基盤知識についての理解を深め、高度な研究活動に必要な課題設定能力および仮説検証能力、高い倫理観と法知識を身につける。
2.の科目を受講することにより、人工知能の社会実装を推進し、関連する諸問題を適切に解決できる総合的能力、国際的に研究活動を展開できる能力を涵養する。
2.の科目を受講することにより、人工知能の社会実装を推進し、関連する諸問題を適切に解決できる総合的能力、国際的に研究活動を展開できる能力を涵養する。
博士課程前期課程
学士課程教育において修得した専攻分野の基本的知識と学術論文を理解するために必要な英語力があり、人工知能及びデータサイエンスに強い興味を持ち、未踏の領域へ挑戦する積極性を持つ学生を受け入れる。
博士課程後期課程
博士前期課程(あるいは修士課程)を修了したもので、次のような知識?能力を十分に有する学生を受け入れる。
- 博士前期課程で身につけるべき人工知能及びデータサイエンス分野の基本的知識
- 先端的な研究活動を自立して進める上で必要となる研究遂行能力
- 人工知能やデータサイエンスの技術を社会の様々な課題に応用し、人工知能の社会実装を推進する上で必要な高度な倫理観
- 国際的な研究活動を進める上で必要な英語力
1.研究科として求める教員像
- 本学の建学の精神及び教育の理念を踏まえ、人工知能科学研究科の「学位授与の方針」及び「入学者受入れの方針」並びに「教育課程編成の方針」(以下「3方針」という。)を理解する者
- 人工知能科学研究科における教育を担当するにふさわしい教育上の能力を有する者
- 人工知能科学研究科における研究を推進する上での研究遂行能力を有する者
- 教育研究の成果を広く社会に提供することにより社会の発展に寄与する能力を有する者
- 学生の自主的な学びを支援できる者
- 個々人の「人格と尊厳」を尊重できる者
- 教育理念の実現に向けて、他者との協働及び連携を行うことができる者
2.教員組織の編成方針
人工知能科学研究科は、「教育研究上の目的」を実現するために以下の点に留意する。また、人工知能、応用人工知能、データ駆動科学、データサイエンス、人工知能倫理学の専門領域において、3方針に沿った教育研究が可能となるよう教員組織を編成する。
教育研究上の目的
人工知能科学研究科は、学士課程教育における一般的並びに専門的教養の上に、人工知能科学を研究し、その深奥を究め、かつ、キリスト教に基づいて人格を陶冶し文化の進展に寄与することを目的とする。
必要教員数
(1)大学院設置基準に基づき、適切に教員を配置する。
(2)収容定員における教員1人あたりの学生数に配慮した教員組織を編成する。
教員構成
(3)教員組織の国際性に留意するとともに、特定の範囲の年齢、性別に著しく偏ることのないよう多様性に配慮する。
主要授業科目の担当
(4)主要授業科目については原則として教授又は准教授が担当する。
教員の募集?採用?昇格
(5)教員の募集?採用?昇格に関する全学の任用規程及び関連内規に則って適切な運用を行う。
(6)募集?採用?昇格にあたっては、若手教員の育成にも配慮する。
教員の役割分担、連携等
(7)組織的な教育研究体制を構築するため、研究科委員会その他の会議体(FD委員会等)への参加を通じた、教育課程、管理運営等に係る役割分担、教員間の連携等を適切に行う。
教育内容の改善のための組織的な研修等
(8)「立教大学ファカルティ?ディベロップメントに関する規程」及び「人工知能科学研究科FD委員会規程」に基づき、個々の教員及び教員組織としての様々な活動全般に関わる能力の開発を行う。研究科の教員の資質向上と研究科の教育プログラムの改善の方策として、企業経営者や高度職業人、修了生等の有識者から構成されるアドバイザリーボード?ミーティングと受講院生による授業評価アンケート、研究科教員と院生との定期的な意見交換を行う。