0 (A日程) 入試倍率:情報通信システム工学科 5.
本記事ではプログラミングが学べる大学として「千葉工業大学」の学部/学科を紹介しましたが、いかがでしたか? 自分の学びたい分野、なりたい職業、学費や偏差値など、大学選びで考えるべきポイントはいくつもあります。 自分なりの判断基準と優先度を決めて、なんとなくではなく、しっかりと向き合いましょう! この記事が後悔のない大学選択のお力になれたら幸いです。 ▶︎千葉工業大学HP ▶︎大学の選び方について詳しく知りたい ▶︎今すぐプログラミング学習をはじめるなら テックアカデミージュニアは、小中高校生向け実践的プログラミングサービスです。 独自で開発した学習システムは、基礎から実践までステップアップ式のカリキュラムとなっており、生徒が1つの画面で迷うことなく学習を進めることが可能です。 現在、自宅にいながらプログラミング学習を体験できる プログラミング学習体験 を実施しています。 プロから学べる機会ですので、ぜひ体験してみてください。 ▶︎自宅でできるプログラミング学習体験を申し込む ▶︎テックアカデミージュニアについて詳しく知りたい
21P10-1, 2014 2013年 岡田 翔太, 相知 政司, 古川 達也, 伊藤 秀昭, 福本 尚生, 「分布誘電率推定のための静電容量及び複数点電位計測」 電学論A,Vol. 133, No. 4, pp. 173-179 (2013) 福本 尚生, 倉冨 勲, 古川 達也, 相知 政司, 伊藤 秀昭, 和久屋 寛, 「無発声母音認識のための訓練システム」 計測自動制御学会論文集,Vol. 49, No. 12,pp. 1810-1816(2013) 2011年 古川達也, 伊藤秀昭, 保利敏之, 福本尚生, 和久屋寛, 相知政司, 「仮想空間散歩システムへの新たな運動計測装置の導入」 (学術)電学論A, Vol. 131-A, No. 8, pp. 641-647 (2011). 古川達也, 赤木圭太, 福本尚生, 伊藤秀昭, 和久屋寛, 平田憲司, 相知政司, 「配電系用電圧・電流波形遠隔計測システムの検討」 (学術)電学論A, Vol. 288-294 (2011). プログラミングが学べる「千葉工業大学」について | TechAcademyマガジン. 2010年 古川達也,福本尚生,中島紳博,相知政司, 「授業コミュニケーション支援システムのための自由度の高いWeb 掲示板の設計と実装」 電学論A, Vol. 130, No. 1, pp. 50-58 (2010-1)(H22. 1)
HOME / AINOW編集部 /AI人材になるには?AI時代に生き残る人・生き残らない人 最終更新日: 2021年7月19日 AI人材の育成が急務とされています。経済産業省の2016年度調査「IT人材の最新動向と将来推計に関する調査結果」では、ビックデータ、 IoT 、AIを担う先端IT人材が2020年に 約4.
このコーナーでは憧れるけど謎すぎる、カタカナ文字の職業をご紹介! 今年になって、 ニュースなどで見たり聞いたりすることの多くなったAI。 今さら、何のことなのか聞けない人も多いと思います!「将棋の羽生さんとAIが対戦した」「将来AIにとって代わられる職業上位◯位」…など、人間が開発したものなのに、私たちを越えるってどういうこと?!というような感覚になっている人も?!でも、それが何なのか、どういう価値があって注目されているのかを知ると、すごーく面白い! 人工知能に恋をしてはいけない：AI研究者・一杉裕志が語るAI社会の倫理、雇用、法律 #wiredai | WIRED.jp. 3回目にインタビューさせて頂いたのは AI研究者の松田さん! お話もとっても分かりやすいので文系の高校生でもAIに興味を持つことを期待して…では、インタビューにうつります。 プロフィール 松田雄馬さん:2007年京都大学・同大学院情報学研究科修士課程修了後、東北大学大学院博士課程修了。大手電気メーカー研究所にて、無線通信の研究を通して香港にて現地企業との共同研究に従事。その後、大学と共同で、脳型コンピュータの研究を立ち上げる。教えられたことしかできない不憫なコンピュータに、自分で考えて判断できる機能(AI:人工知能)を与えるべく、日々奮闘中。 尊敬する人:墨子(中国の思想家) ---まず、松田さんの"AI研究者"というお仕事について、高校生が分かるように教えて頂けますか? AI研究者といっても幅広いのですが、私はロボットの目の研究をしています。 ---「ロボットの目を研究する」ってとても未来っぽくて興味が沸きますが、実は全然わからないかも…笑。具体的にはどういうことですか? !」 そうですね、まず、AIの説明から。AIは、Aritificial Interlligenceの略なので、人工知能と訳されますね。ニューラルネットワークという、人間の脳のようなコンピューター(プログラム)をつくると、それが自分で学習するということが分かってきたんです。 ---今までのコンピューターと何が違うんですか? プログラムというのは、「Aという事象が発生したらBせよ」といったパターンの命令を人間がひとつひとつコンピュータに対して書いて教えてあげることを言うのですが、人工知能(AI)は、人間が与えたデータを学習すると、「Aという事象が発生した場合にはBするのが最適だ」という判断を、コンピュータが自ら行うことができるのです。 ---ちなみに、新聞やニュースで1日1回くらいAIって聞きますけど、どうしてこんなに注目されているんですか?
囲碁や将棋で人間と対戦するAIが、プロ棋士に勝てるようなレベルに達したことが大きいです。他にも、クイズを解いたり、大学の入試問題を解いたりするAIがニュースになっていますよね。 つまり、囲碁や将棋などを行うAIが人間を越えるレベルの精度や能力を持ったので、「このまま技術が進むと、非常に多くの分野で、人間にできないことができるようになるのではないか」という期待感から、様々なビジネスで注目されているのです。 例えば、レントゲンからガンの発見をするのに、もしかしたらAIがチェックしたほうが精度が高いのではないかということです。医療業界、それから車メーカー、ゲーム業界、あらゆる業界から注目されています。 ---すごく良く理解できました。松田さんは、大学を卒業してすぐにAI研究者になったのですか?! いえ、2009年に当時NECという会社の研究所で働いていたので、そこで自分で、会社に提案してはじめました。当時、AIはあまり注目されていなかったのですが、一方で、人間の脳の研究が進んでいたんですね。そうした研究に学びながら「脳ってそもそも何なんだ」ということを突き詰めていきました。脳は、視覚や聴覚といった、外から入ってくる情報を処理しているところなのですが、その入ってくる情報の1つである視覚情報の処理、すなわち「ものを見るってどういうこと?」という謎に注目して、研究しています。「ものを見る」というと簡単そうですが、実は、現状の技術では、ロボットは、目の前のコップも、机も、椅子も認識することができないんです。「認識とは何か?」「意識とは何か?」こういった問題は、最新の脳科学でも、まだまだ理解が進んでいない領域です。 ---高校生の中に、研究者になりたいと思っている人もいると思うのですが具体的な研究内容を見せてもらえたりしますか? はい。私が開発したAIが、1枚の衛星写真から(目視では見えない)飛行機をみつけたという研究をご紹介しますね。 これは、NP(国家プロジェクト)と言って、NECが政府と共同で行っていた研究プロジェクトに関係するものなのですが、「1枚しか衛星写真がないという条件で、写真から飛行機がどこにいるか、取り出せないだろうか?」というテーマがありました。飛行機を認識するためには、通常、何百枚も色んな角度から撮った写真を用意して、そこからパターンを作り飛行機の在処を特定するという処理が必要になるのですが、私たちの開発したAIは、一枚の写真を用意するだけで、飛行機を認識できるようなったという研究成果が得られました。 ---すごい成果ですね。この研究をはじめて成果がでるまで、どれくらいの時間がかかったのですか?
AIに関することで、多くの研究者にとって不都合な真実が、まだ世間には理解されていません。 それは、AI研究者の大半は深層学習を専門にして「いない」ということです。 深層学習はAI研究の中では、機械学習という分野の、ニューラルネットワークという分野の、さらに一分野に過ぎません。 比率で言えば、95:5くらいの確率で、これまで「AIの専門家」と言われてきた人は深層学習の専門家「ではない」確率が高いわけです。 この些細な事実がなぜ「不都合」なのかというと、こうしてなにもかも一緒くたにされた結果、これまでほとんど成果の上げることができてなかった旧来のAI研究者に大量の予算がつぎ込まれることになってしまっているということです。 そして、今でもまだまだ国立研究機関では深層学習に懐疑的だったり、否定的だったりする研究者が大半です。少なく見積もって過半数、多く見て8割がたといったところではないでしょうか。 しかしその一方、世間で注目を浴びているのは深層学習です。 政府が予算を付けるのも、海外の会社が予算を投じているのも深層学習とそれに関連する技術だけです。 しかし日本では多くの予算が深層学習「ではない」ことに回されています。 例えば、「うちの会社はAIを導入して他社と差別化を測ります」と言っている企業の人に、「たとえばどんな技術を使うんですか? 」と聞いた時、「自然言語処理や深層学習ですね」という答えが返ってきたら要注意です。 なぜなら自然言語処理は、この30年、ほとんど進化していない技術だからです。もちろんその進歩がゼロとは言いませんが、この30年で発達したその他の技術、たとえばグラフィカルユーザインターフェースやグラフィックスプロセッシングユニット、半導体、アルゴリズムやアーキテクチャの劇的な改善に比べると、その成果はかなり見劣りします。 例を挙げましょう。 以下は有名なケネディ大統領の演説の一文です。 We choose to go to the Moon. We choose to go to the Moon in this decade and do the other things, not because they are easy, but because they are hard; because that goal will serve to organize and measure the best of our energies and skills, because that challenge is one that we are willing to accept, one we are unwilling to postpone, and one we intend to win.