課程
横断型教育プログラム
共通授業科目
学部・研究科
学年
学期
時限
曜日
講義使用言語
実務経験のある教員による
授業科目
授業科目
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2026年4月20日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2026年4月20日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
データマイニング概論
本授業では、データ解析の考え方や代表的な手法について、それらの数理的背景も含めて理解するとともに、Pythonプログラミングによりそれらの手法を実際に手を動かしながら実装することで理解を深める。
後期課程や大学院におけるデータサイエンス、人工知能、機械学習、自然言語処理などの関連授業の基礎となる知識を習得することを目標とする。
時間割／共通科目コード
コース名
教員
学期
時限
0590105
FSC-CC3A18L1
データマイニング概論
森 純一郎
月曜5限
マイリストに追加
マイリストから削除
データマイニング概論
本授業では、データ解析の考え方や代表的な手法について、それらの数理的背景も含めて理解するとともに、Pythonプログラミングによりそれらの手法を実際に手を動かしながら実装することで理解を深める。
後期課程や大学院におけるデータサイエンス、人工知能、機械学習、自然言語処理などの関連授業の基礎となる知識を習得することを目標とする。
時間割／共通科目コード
コース名
教員
学期
時限
35603-0121
GSC-PH5X10L2
データマイニング概論
森 純一郎
月曜5限
マイリストに追加
マイリストから削除
知能社会情報学講義Ⅰ（データマイニング概論）
本授業では、データ解析の考え方や代表的な手法について、それらの数理的背景も含めて理解するとともに、Pythonプログラミングによりそれらの手法を実際に手を動かしながら実装することで理解を深める。
後期課程や大学院におけるデータサイエンス、人工知能、機械学習、自然言語処理などの関連授業の基礎となる知識を習得することを目標とする。
時間割／共通科目コード
コース名
教員
学期
時限
4895-1001
GIF-CO5701L1
知能社会情報学講義Ⅰ（データマイニング概論）
森 純一郎
月曜5限
マイリストに追加
マイリストから削除
機械学習の数理
機械学習・データサイエンスとは、大量のデータからデータの生成メカニズムを推定し、これを活用して将来予測や知識発見につなげることである。本講義では、機械学習の数理的基礎を、事例を踏まえて講義する。
時間割／共通科目コード
コース名
教員
学期
時限
FEN-MP4d30L1
FEN-MP4d30L1
機械学習の数理
山西 健司
月曜2限
マイリストに追加
マイリストから削除
形状モデリングと可視化
計算機支援（Computer-Aided）によるものづくり技術としてCAD（Computer-Aided Design）、CAM（Computer-Aided Manufacturing）、CAT（Computer-Aided Testing）、CAE（Computer-Aided Engineering）について学習する。
時間割／共通科目コード
コース名
教員
学期
時限
FEN-SI3803L1
FEN-SI3803L1
形状モデリングと可視化
長井 超慧
木曜1限
マイリストに追加
マイリストから削除
微分方程式の解法と可視化
時間割／共通科目コード
コース名
教員
学期
時限
FEN-SI3d05L1
FEN-SI3d05L1
微分方程式の解法と可視化
酒井 幹夫
月曜3限、月曜4限
マイリストに追加
マイリストから削除
教育と言語処理
言語処理の基本的な技術を演習形式で学びながら、教育場面への応用やその課題について理解する。前半では、文字列処理・言語処理の要素技術について個別に解説した上で、具体的な教育実践・教育研究を想定しながら、実際のテキストに対する分析を行う。後半では、生成AIサービスの基盤となる技術の仕組みや挙動を解説した上で、教育場面における言語処理技術の活用に関する動向を概観する。最後に、教育と言語処理をテーマに、テキスト分析あるいはツール開発に関する演習課題に取り組む。
本授業では、言語処理技術でできること・できないことを把握した上で、その応用について検討できるようになることが目標である。また、言語処理の技術的側面を扱いつつ、知識の伝達を可能にする記号・言語・文書のあり方とはどのようなものか、という基本的な問いに随時立ち戻りながら授業を進める。
時間割／共通科目コード
コース名
教員
学期
時限
09262312
FED-SS3303S1
教育と言語処理
宮田 玲
月曜3限、月曜4限
マイリストに追加
マイリストから削除
機械学習概論
計測技術の進歩，インターネット・計算機環境の整備に伴い物理学を含む様々な分野で大量・高次元のデータ取得が可能になってきた．このことに伴い，データから有用な情報を取り出す方法の重要性が増している．本講義では，その基礎となる基本的な機械学習の方法について学ぶ．/ Advances in measurement technology and the development of the Internet and computer environment have made it possible to acquire large amounts of high-dimensional data in various fields, including physics. Along with this, the importance of methods for extracting useful information from data is increasing. In this lecture, you will learn the basic techniques of machine learning that serve as the foundation.
時間割／共通科目コード
コース名
教員
学期
時限
0515096
FSC-PH4G20L1
機械学習概論
樺島 祥介
月曜1限
マイリストに追加
マイリストから削除
機械学習と物質科学
本講義では、機械学習と物性物理学の接点を、理論的構造に立ち返りながら体系的に解説する。
物性計算における代表的な問題（相の識別、量子多体系の基底状態、第一原理計算、モンテカルロ法）を題材とし、それらに対して機械学習がどのような役割を果たすのかを議論する。
機械学習を単なるツールとして紹介するのではなく、
「関数の構成（function construction）」と
「確率分布の構成（distribution construction）」
という二つの観点から整理し、物理法則・対称性・変分原理との関係を明確にする。
機械学習未経験者も受講可能とするが、線形代数および量子力学・統計力学の基礎知識を前提とする。
/
This course provides a systematic introduction to the interface between machine learning and condensed matter physics, emphasizing underlying mathematical and physical structures.
We examine central problems in computational condensed matter physics — phase identification, many-body ground states, electronic structure, and Monte Carlo sampling — and discuss how machine learning contributes to each of them.
Rather than treating machine learning as a black-box tool, we organize the course around two central ideas:
•Function construction
•Distribution construction
and clarify their connections to physical principles such as symmetry, variational methods, and conservation laws.
No prior experience in machine learning is required. Basic knowledge of linear algebra, quantum mechanics, and statistical mechanics is assumed.
時間割／共通科目コード
コース名
教員
学期
時限
47101-09
GFS-AM6E05L2
機械学習と物質科学
永井 佑紀
水曜3限
マイリストに追加
マイリストから削除
知能社会情報学特別講義Ⅱ（メディアプログラミング入門）
2026年S2期に行う本授業は月曜5限に理学部１号館東棟 285講義室 (NSSOL Learning Studio)にて対面授業を行います。
主として情報学を専門としない学部後期課程の学生を対象とした授業です。
メディア情報処理の基礎を学びます。
S2とA2は同じ内容です。どちらか一方を受講してください。
※ 本授業は情報分野以外の専門分野を持つ学生を対象としているため、情報理工の学生は履修できません。
「Pythonプログラミング入門」を履修済みの学生、あるいはそれと同等以上のプログラミング力を持っている学生を対象に、音やテキスト、画像といった様々な情報伝達メディアをコンピュータで処理するための基礎的なプログラミングを学ぶ。
拡張ライブラリやWebAPIなどを活用し、実際にプログラムを動かしながらその振る舞いを直感的に学ぶことで、Pythonを使ったメディア処理への理解と興味を深めることを目的とする。
時間割／共通科目コード
コース名
教員
学期
時限
4895-2002
GIF-CO5712L1
知能社会情報学特別講義Ⅱ（メディアプログラミング入門）
山肩 洋子
集中
マイリストに追加
マイリストから削除
1-10 / 全1595件
