線形システムは回路理論・制御工学・信号処理などの基礎となる学問であり、その考え方は数学（微積分学、線形代数学、関数論等）をベースにしています。つまり、数学と工学を結びつけるツールでもあります。 本講義の目的は、工学を学ぶ際に重要となる複素数やその関数の取扱い、周波数の概念、およびシステムを解析するために必要となる線形システム（特にフーリエ変換やラプラス変換）の理論を身につけることです。 フーリエ変換やラプラス変換は、信号やデータ、つまり情報を「周波数」という観点から見つめることです。あらゆるデータは様々な振幅や周波数を持つ波の重ね合わせで表現することができます。線形システムでは、「信号やデータにどのような周波数がどれくらい含まれているか」を明らかにする方法を学びます。 これによって、信号やデータを加工（=処理）するための基礎を与える事ができます。古くは電気回路や電子回路、最近では音声認識やAIの処理系の基礎となる理論がまさに線形システムです。また、この考え方は表現方法を変えることでそのデータに含まれる（そのままでは隠れている）特徴を見つけだすデータサイエンスの基礎でもあります。今の情報化社会はフーリエ変換なしには存在できません。

現在のコンピュータでは情報をデジタル（具体的には0と1の組み合わせ）で表現します。そのため、例えば英文字の情報を送るには、各アルファベットを0と1の系列に変換する必要があります。このとき、どのように変換を行ったら正確かつ効率的にデータを送れるでしょうか？ 情報理論とは、効率的にデータを保存する仕組みや、誤りが少なく信頼性の高い通信の仕組みなど、情報通信システムを構築する際に必要な基本原理に関する学問です。 携帯電話やインターネットなどの情報通信のみならず、信号処理・統計・物理など、今日では私たちが日常的に利用している様々な技術が情報理論の上に成り立っています。 本授業の目的は、情報を変換する「符号化」の概念と基本的な符号化方法を学んだ上で、その性能の限界を与える重要な定理とその意義について理解することです。

世の中には誰がどのように言い始めたのか定かでない説が流布しています。1) 血液型A型の人は几帳面、2) 女性は地図を読むのが苦手、3) 筋トレで身長が伸びづらくなる、など一つでも耳にしたことがある人が多数なのではないでしょうか (もしかしたら遠い昔の廃れた噂になっていることもあるかもしれません…)。 それでは質問です。上記1) – 3)のうち、妥当なものはどれでしょうか？すべて妥当ではないとされている、が正解です(意地の悪い質問でしたね)。もちろん上記のことも日常会話で適当に口にする程度では問題はありませんが、みなさんが大学、大学院を卒業された後には上記1) – 3)を可能な限り正確に妥当でないことを示せるだけの能力を備える必要があります。 統計学は、可能な限り少数の仮定に基づき、得られたデータから最大限妥当な議論を行うための学問です。数学のツール、特には確率のツールを利用して、実用的なことに言及する学問です。本講義では数理統計学と名のつく通り、統計学の内容に加えて、一般的な統計学で学ぶ事柄の数学的背景も同時に学びます。 統計学を利用することで、上記1)-3)のような、妥当性が定かでない説を検証することが可能となります。統計学は純粋理論を除きほぼ全ての理学・工学において理解を深めるために必要不可欠なツールとなっています。

皆さんは、中学・高校で多くの時間をかけて数学を学んでこられたと思います。大学1～2年生でも数学の授業があります。しかし、ほとんどの方は「与えられた問題を解くこと」「試験で良い点を取ること」を目指した勉強を中心に、取り組んでこられたのではないでしょうか？ 数学は、知能情報システム工学をはじめとする理工系の学問において、基本的な道具として必須のものです。また、社会や日常生活のさまざまな問題を解決する手段として、数学が役に立つ場面はたくさんあります。しかし現実には、卒業研究、大学院での研究、就職後の仕事において、習ったはずの基礎的な数学でさえ、応用できないケースが数多く見受けられます。 基礎情報工学の授業では、高校～大学1年で学んだ数学が、世の中の様々な問題にどのように応用できるかを、実例と演習を通して学びます。数学の授業や試験の問題は、条件が明確に与えられ、正解が唯一であるものが大半です。一方、現実世界の問題はそうではなく、条件や設定が不十分で正解が定まらないものがほとんどです。その中で妥当な解を求めることが要求されます。そのための考え方として、概算や近似の方法を習得することも、この授業では重視しています。

情報工学において自分のアイディアを他の人に伝えるためには、数学の言葉を使って表現する必要があります。離散数学の講義では情報工学の専門家のコミュニケーションにおいて必要な数学的素養を身につけることを目標にしています。 具体的には、現代数学で必須の集合論の基礎から始まり、「同値関係」や「順序関係」と呼ばれる「等号」や「不等号」の一般概念を学びます。さらに、群・環・体といった代数学の基礎を扱います。特に、デジタルデータを処理する際に有効な、有限体について勉強します。 数学が情報工学で応用されている例として、公開鍵暗号の基礎や誤り訂正符号の基礎についても扱います。現代の情報技術の背後にいかに数学が役立っているか、実感できるでしょう。

スマートフォンを例に取りましょう。通話をするために発した声は、通話相手に届きます。ストリーミングで音楽を聽いたり動画を見たりします。写真を撮ったらインスタに上げたり、LINEで友達に送ります。これらのデータはすべて電波としてやり取りされています。 これらの処理をスマートフォン（実は中身はコンピュータ）は一瞬でしているわけですが、基本は本講義「信号処理論」で学ぶディジタル信号処理と呼ばれる技術です。音や画像は一度ディジタル信号にすることで、ソフトウェア的に処理が可能になります。雑音や騒音を消したり、データを圧縮して保存・伝送しやすくします。 また最近では、ディジタル信号処理と機械学習を組み合わせることで、対話型のサービス（iPhoneのSiriなど）や自動翻訳、また顔認識などの人工知能技術に応用されるようになっています。

電界と電気力線や磁界と磁力線などについては高校の物理で学んで、性質についてもある程度習熟していると思われます。知能情報システム工学科の電磁気学では、１年次で学習した数学や力学の知識を使って、高校で習った物語風の電磁気を精密科学として再教育することが目的であり、本講義は静止した電荷による電界の性質を学びます。また、工学部の電磁気学教育であることを意識して、現象を面白がるだけではなく、電界の計算や電磁気学の基本原理がどのように生活に生かされているかについても説明します。なぜ樹木に落雷し易いかや、車の中にいると安全な理由、さらには電気関連技術者にとって重要なシールとアースについてなどと関連する学問です。また、コンデンサマイクロフォンの原理とMEMSと呼ばれる電気と機械との融合技術にも電磁界学の知識が生かされています。 物理と数学が得意であったはずの学生でも電磁気学には手こずるかもしれません。物体の落下や慣性の法則などは日常的に経験できるが、電磁気学が対象とする電荷や電流は‘目に見えない’ために戸惑うことも多いことでしょう。‘場の概念’にいたっては日常の世界とかけ離れた概念と言えます。電磁気学Ⅰでは、演習と講義をバランスよく融合して、数式の‘食わず嫌い’を抑えると共にイメージ形成の困難さも解消するような講義を心がけています。 電磁気学Ⅱでは、我々の生活で重要な発電や電波の基礎について学びます。例えば磁石は鉄などを引き寄せます。一方、電流も鉄などを引き寄せます。すなわち電流が流れると磁石と同じ効果を発生します。これらは磁気的な力が作用しているといいます。本講義では、どのように電流が流れると、どのような磁界が生じるかを学びます。また、この磁気的な作用を応用することで、モータを作ったり、逆に発電機を作製することもできます。モータは電気のエネルギーを物理的なエネルギーに変換することが出来ます。 また、磁気的作用を学ぶことで電波を理解することもできます。電波の専門的な内容は3年生で学びますが、本講義ではこれらの基礎を学びます。 これらは電磁気学といいますが、本講義では電磁気学の中でも、電流がもたらす磁気作用や、発電、電波について学びます。

早く、思う存分、カラオケを楽しみたいな～。もしかしたらこれを読んでいる皆さんは今、受験勉強から解放されたい一心で、必死に勉強している時期かもしれません。この授業（基礎電子回路）では、そんな皆さんが無事大学生になった際、その希望を叶えるべく、カラオケの機構を解説します。 といっても、点数を上げるための歌い方、を教授するわけではありません。マイクを持って歌を歌えば、うまい人はうまく、そうでない人はそれなりの、それぞれの大きな音が、スピーカーから聞こえてきます。そんなのあたりまえ、と思いますが、実はここには、数多くの電子機器、中でもトランジスタという重要な電子部品が介在しています。 実はトランジスタは、カラオケだけにとどまらず、皆さんが持っているスマホやパソコン内に、それこそ星の数ほど組み込まれていて、皆さんが、画面やキーボードで操作するたびに、電気の力で一所懸命働いているのです。 これなしではこの世界が成り立たないくらい普及したトランジスタ、その動作機構を、本授業で理解できるようになります。

現在の我々の生活にはコンピュータやスマートフォンが欠かせません。それらの中身がどのようなもので出来ているか、どのような原理で動作しているか、知っていますか？ 自然界には、金属と絶縁体の中間の電気的性質を持つ半導体と呼ばれる物質が存在します。この半導体で一番有名なものがシリコン(Si)です。Siをウェハという薄い円板状に加工し、その表面にトランジスタや抵抗、コンデンサなどを配置し微細な配線で接続しながら、様々な機能を実現する電子回路を形成します。この電子回路が集積されたものを集積回路(IC)と呼びます。 現在のICで用いられるトランジスタでは、その特徴的な寸法がナノメートル(nm, 10-9メートル)であり、非常に小さいサイズです。サイズが小さくなればICに集積されるトランジスタ数が増えるため、より高性能な回路機能を表現することができ、ICの性能が向上します。エレクトロニクスと言われる分野では、半導体の中を動き回る電子の性質から、電子デバイスと呼ばれるトランジスタの動作を理解し、集積回路について学びます。これより、高性能なコンピュータを作るための基礎的な知識を獲得します。

この講義により、コンピュータシステムがどのように構成されているのかを理解できます。その中心となるプロセッサ（CPU）で、ソフトウェア開発者が記述したプログラムを、コンピュータが理解できる言葉（マシン語）に変換し、そのマシン語命令がCPUチップの内部においてどのように解釈されて実行されていくのか、といったことがわかるようになります。 そして、新しいパソコンを購入するときなどに、性能の高いものを安く購入するために、その性能とはどういうことなのか、性能を向上させるために、これまでにどのような技術が考案され実用化されてきたのかについて解説します。 マシン語命令を実行するCPUチップの内部を設計し、実際に動作するものを作り上げることは、街づくりに似ています。何も無い荒れ野原から人が住める街を作るには道路を整備して、家屋建設に必要な物資を運ぶ経路を確保します。できた道路に横断歩道や信号機を設置して、ダンプカーや乗用車、オートバイ、人々がぶつからないよう安全に行き来できるようにします。同じように、CPUチップの設計でも、データパスというデータが流れる経路をまず作り、その上を流れる命令やデータをコントロールする回路を設計するのです。 この講義では、そのコンピュータの設計・実装に必要な基礎知識を身につけます。

現在のコンピュータは、数ギガヘルツの周波数で動作しています。これを10ギガヘルツに上げた場合、光の速さであっても、1クロックの間に約3cmしか進むことができません。そのため、動作周波数を上げることより、コンピュータの性能を向上させるという手法は、限界に近づいています。それでは、どのようにすれば、コンピュータの処理能力を、さらに向上させることができるでしょうか？ 並列化やパイプライン化を適用した、新しいハードウェアを導入することも一つのアイデアです。一方、高性能の「アルゴリズム」を開発するという、ソフトウェアの手法を適用することも、もう一つの解決方法です。コンピュータに処理をさせる際の手順を意味するアルゴリズムを工夫することで、コンピュータの処理能力を大幅に向上させることが可能になります。 本授業の目的は、高性能アルゴリズムを設計するための基本を身につけることです。そのために、まず、データを表現する「データ構造」の概念と基本的なアルゴリズムを習得します。次に、アルゴリズムの性能指標である「時間計算量」や「空間計算量」について理解し、最後に「NP完全」や「NP困難」といった手ごわい問題の存在を認識し、そのような問題を解決するための近似アルゴリズムについて学習します。

突然ですが、クラスにいる学生50人の身長 x1, x2, …, x50 から、クラスの平均身長を求めたいとします。普通の人は x1 + x2 + … + x50 を計算してから、それを 50 で割るでしょう。しかし、x1/50 を計算して、次に x2/50 を計算して…と進めていき、最後にそれらの 50 個の数値を足すことでも平均身長は正しく求まります。しかし、余分な手間がかかってしまいますよね。 さて、皆さんはアルゴリズムという言葉を聞いたことがあるでしょうか？ アルゴリズムとは、コンピューターに何かをさせる手順のことです。上の話は、平均身長を求めるアルゴリズムを2つ比べて、前者の方が効率が良いと言っています。 コンピューターの高速な動作のためには、効率の良いアルゴリズムが非常に重要になります。例えば、数を小さな順に並べ替えるという単純な動作でも、100万個の数を並べ替えようとすると、効率の良いアルゴリズムでは1秒でできるのに、効率の悪いアルゴリズムでは数十分かかるというような事が起きてしまいます。 この授業では、効率の良いアルゴリズムとは何か、またどのようにして効率の良いアルゴリズムを作るかを学んでいきます。

知能情報システム工学科に所属する学生は、2年次には「数理情報工学コース」と「電子情報工学コース」のいずれかを選択することになります。この「知能情報システム工学実験1A」は「数理情報工学コース」の専門科目として当該コースの幅広い専門分野への導入を提供します。 本実験では、数理情報工学コースの教員が担当する様々な実験・演習を通じて、実験を実施し、実験結果について考察し、そしてそれらをレポートにまとめる訓練を行います。 実験を通じて、計算機やプログラムの動作原理から、物理デバイス制御、Pythonプログラミングや統計データ処理、物理シミュレーションの実装といったように、ハードウェアからソフトウェアまで数理情報に関する専門分野の基礎的内容について幅広く触れることができます。 2年次にこの「知能情報システム工学実験1A」を履修したのち、3年次には「知能情報システム工学実験2A」でより踏み込んだトピックの実験を行います。一連の実験演習を履修することで、専門分野への理解を深めると同時に、自分の興味や適性を把握することができるでしょう。