研究室を希望する方へ（本学学類３回生向け）
仮配属と卒研配属
知識情報システム学類の3回生は，後期の知識情報システム学演習 IV で研究室に仮配属されます．研究の連続性を重要視して，4回生の卒業研究で仮配属された研究室に正式配属されます．
一般的なアドバイス
どの研究室に配属されても有意義な時間を過ごすことができます．たとえ希望通りの研究室に配属されなかったとしても，その後の人生が悪い方向に行くわけでは決してありません．というかほとんど影響しません．
なので，「この研究室だけを希望する」という気持ちよりも，配属になってもよい研究室を複数もつように研究室選びすることをおすすめします．
よくある質問の回答（2021年7月）
- コアタイムはありません
- 全体ゼミが週１回（２～３時間）あります
- 個別ゼミは原則として学生の希望に応じて随時実施
- 過去5年間で大学院進学した４回生は 12名（16名中）です
- 感染症対策のため，ほとんどの学生は研究室におらず，在宅で作業しています
研究室配属前の準備
- 自分の能力を少しでも上げようとする気持ちを持ち続けてください
- 検索能力を身に付けておいてください
- 検索エンジン
- 技術ブログ
- 授業（特に情報ネットワーク系と人工知能系，プログラミング系）の内容を復習しておいてください
研究室で身につくスキル
- 思考力（特に問題解決のための論理的組み立て）
- プログラミング（Python, C++, シェルスクリプト，その他）
- 英語（特に書く力と読む力）
- プレゼンテーション（英語とも関連）
- 数学
就職先
研究室の特色になるようなものはほとんどなく，他の研究室と差はありません．というか配属研究室で就職先が変わるようなことはほとんどないので，各自希望する職種や企業を選択するのが良いと思います．
卒業生の就職先例
- 富士通株式会社
- 富士通フロンテック株式会社
- 日本電気株式会社
- 日本電気通信システム株式会社
- 株式会社エヌ・ティ・ティ・データ
- 関西電力株式会社
- 株式会社デンソー
- 川崎重工業株式会社
- ダイキン工業株式会社
- シャープ株式会社
- 京セラコミュニケーションシステム株式会社
- パナソニック インフォメーションシステムズ株式会社
- クボタシステム開発株式会社
- 株式会社野村総合研究所
アピールポイント
- 計算機が充実．深層学習やビッグデータ解析といった計算負荷が高い研究をする環境が整っています
- 先輩の情報系スキルが高く，プログラミングや計算機の設定（OS やネットワーク設定など）で分からないことがあれば聞くことができる
- （今は研究室での活動が少なくなっていますが）研究室ではディスプレイが最低２台提供されます
- 学会発表の機会が多いです
- 研究活動を評価されて奨学金の返済が免除（もしくは半額免除）になる人が多いです
- 論文賞や学会賞を受賞する学生が多いです
プロジェクト制
本研究室ではプロジェクト制で研究を進めています．ここでいうプロジェクトとは大きな研究テーマのことで，研究室に配属されたらまず所属するプロジェクトを決めてもらいます．その後，所属したプロジェクトに関連する研究テーマを各自で考えてもらいます．
プロジェクト固有の知識が必要なこともあるし，どのプロジェクトにも共通して必要な基礎知識もありますので，プロジェクト内外に関わらず協力して研究を進めることが可能です．
プロジェクト制の利点として以下があります
- 研究目標を立てやすい（全くゼロから研究をすすめるのは難しい．プロジェクトであれば課題発見がしやすい）
- 孤立することを防ぐ（研究テーマが近いメンバがいてディスカッションがしやすい，技術サポートを得やすい）
- 異なるプロジェクトの研究が参考になる（新しい視点を与えてくれる）
2021年７月現在でメンバを募集しているプロジェクトとキーワードは以下になります．
RoboCup サッカー
- ロボット知能（探索，意思決定）
- マルチエージェント
- 機械学習（教師あり学習，教師無し学習，強化学習，深層学習）
- スポーツデータ分析（リアルサッカー分析ができる手法開発）
- オンライントーナメントシステムの開発（情報ネットワーク，ボットプログラミング）
巡回警備ロボット
- 動画像認識（深層学習，異常検知）
- ナビゲーション（メタヒューリスティックス，探索，最適化）
- チェックポイントを使った大局的巡回路の自動作成
- 障害物や人を回避する局所的な巡回路の自動作成
- リアルシミュレーション（Unreal engine）
学習支援システムにおける AI
- ドリル学習（英単語，漢字）
- 機械学習（情報推薦）
- テスト理論
- 項目応答（反応）理論
高齢者見守りシステム
- IoT
- 深層学習
- リアルタイムデータ分析（情報ネットワーク）
データからの知識獲得（機械学習の基礎研究）
- アルゴリズム開発
- 機械学習（教師あり学習，教師無し学習）
- データに潜む知識の獲得
- ストリームデータからの知識獲得
