鲁达 作者：TechLive留日理工同好会·堺塾理工系
在面临联系国外导师这一环节时，各位一定有很多问号：自己的专业适合选择日本哪些专攻继续进修？转专业的话又有哪些专攻友好度较高？不同专攻又有哪些实验室？实验室教授的近期研究方向等等。
堺塾·情報工学系团队将选择日本情报工学系热门院校，分别从各学校 电子电气 / 生命科学 / 空间信息 / 机械工程 / 情报理工 / 化学化工 这几大专业类别下详细解读其专攻领域、考试内容和实验室教授研究方向。
本系列第二篇为东京工业大学，后续将持续更新。感兴趣的小伙伴欢迎留言，我们会根据留言调整后续介绍顺序。
东京工业大学 情報理工学院 大学院情報工学系主要对应于国内的计算机科学与技术专业。
情報工学系旨在从系统化的信息理论中获取广泛的专业知识，例如软件，硬件，多媒体，人工智能以及生物信息等。专攻的培养目标并非局限于熟练掌握编程方法成为码农，而是需要培养能从原理层面深刻理解现已融入社会和企业系统的各种计算机技术的学者和技术性人才，例如新型信息系统建模技术，有效开发复杂软件的技术，从大数据中提取有用信息的技术，人机之间的智能交互技术，物体和自然语言的模式识别技术，生物信息提取和分析的技术，通过模拟建模分析社会的技术等。
コンピュータ科学専攻研究方向
- 研究内容：人工智能，软件，计算机数据，大数据，自然语言处理，数据库，生物信息
大学院课程
- 情報工学コース(信息工程课程)：
掌握与现代社会密不可分的信息基础设施，信息系统和信息服务相关的前沿理论和技术等广泛专业知识，对与人类和社会有关的问题建模和提出解决方案，并开发新技术。
- 知能情報コース(智能信息课程)：
培养与信息智能相关的具有广泛基本专业能力（例如数学，计算理论，建模和人工智能）的人才。并使其具有借助专业技能与不同专业背景的人才协作解决问题的能力。
综上可见，本专业具有高度的综合性，比较适合国内计算机科学与技术，生物信息，电子信息等和计算机科学专业相关的学生报考。
//
出願
- 出願网址:
- 募集要項：
- 过去问：
入試流程
1. 募集要项发布（Web版）4月上旬
2. 募集要项发布（冊子版）5月上旬
3. 出願時間6月中上旬
4. 院試試験［A日程］口述試験7月下旬
5. 院試試験［A日程］結果通知8月上旬
6. 院試試験［B日程］筆記試験8月中旬
7. 院試試験［B日程］口頭試問8月中旬～下旬
8. 合格発表9月上旬
*注意：A日程适用于东工大本科生及特别优秀的外校学生，如果没能在A日程合格可以继续参加B日程考试
*入学时间：4月/9月可选
考试内容
- A日程：
· 口述試験：考察学生有关毕业设计，理想的研究领域，入学后的研究课题及专业知识等。将就申请者的本科成绩及面试结果等全面评估，以确定是否合格。
- B日程：
· 笔试：
a) 英語：
TOEFL或TOEIC (外部送分，不另外笔试)
b) 筆答専門試験科目(需用日文作答):
以下的A类～E类范围内出四个题目：
- 必答题（以下的A 类，B 类，C 类各1題）
A) 微积分，线性代数，概率统计
B) 数理逻辑，自动机理论及形式语言
C) 数据结构及算法，编程语言
- 选答题（以下的D类, E类中选择1题）
D) 逻辑电路理论，计算机系统结构
E) 傅立叶变换，拉普拉斯变换，控制系统
· 口頭試問：笔试成绩达标才能参加。
若无法下载可扫文章下方二维码联系老师免费领取和详细咨询。
//
此中心下有多个实验室，下面以 宮崎研究室 、 瀧ノ上正浩研究室和村田剛志实验室 为例介绍，对其他实验室感兴趣的同学可扫文章下方二维码，加老师微信免费咨询
宮崎研究室：信息检索 / 推荐系统 / 用户界面
实验室专注于研究下一代高精度信息检索和信息推荐系统，同时也正在探索大规模的信息管理技术和高性能计算模型，用于处理大量信息。
研究课题：
信息检索，推荐系统，大规模高性能计算，用户界面。
最新论文（近3篇）：
1.Yuki, Kosuke, Atsushi Keyaki, Jun Miyazaki, and Masahide Nakamura. "Accurate Aggregation Query-Result Estimation and Its Efficient Processing on Distributed Key-Value Store." In International Conference on Big Data Analytics and Knowledge Discovery, pp. 310-320. Springer, Cham, 2019..
2. Watari, Yuya, Atsushi Keyaki, Jun Miyazaki, and Masahide Nakamura. "Efficient Aggregation Query Processing for Large-Scale Multidimensional Data by Combining RDB and KVS." In International Conference on Database and Expert Systems Applications, pp. 134-149. Springer, Cham, 2018.
3. Kishida, Shuhei, Seiji Ueda, Atsushi Keyaki, and Jun Miyazaki. "Skyline-Based Recommendation Considering User Preferences." In Asia-Pacific Web (APWeb) and Web-Age Information Management (WAIM) Joint Conference on Web and Big Data, pp. 133-141. Springer, Cham, 2017..
瀧ノ上正浩研究室：分子计算机 / 人工生命...
实验室从拥有信息并可以自己处理信息的生命体中学习，并融合模拟和分子反应实验来创建信息设备（分子机器人，分子计算机）和人造生命。还致力于与智能分子机器相关的信息工程和物理学的研究。
研究课题：
DNA信息设备，分子机器人，分子计算机，生物机电混合，控制论，生物物理学，微流体，软物质，人工生命，合成生物学。
最新论文（近3篇）：
1. Sato, Yusuke, Tetsuro Sakamoto, and Masahiro Takinoue. "Sequence-based engineering of dynamic functions of micrometer-sized DNA droplets." Science Advances 6, no. 23 (2020): eaba3471.
2. Hayakawa, Masayuki, Yusuke Kishino, and Masahiro Takinoue. "Collective Ratchet Transport Generated by Particle Crowding under Asymmetric Sawtooth‐Shaped Static Potential." Advanced Intelligent Systems 2, no. 7 (2020): 2000031.
3. Masukawa, Marcos K., Masayuki Hayakawa, and Masahiro Takinoue. "Surfactant concentration modulates the motion and placement of microparticles in an inhomogeneous electric field." RSC Advances 10, no. 15 (2020): 8895-8904.
村田剛志研究室：人工智能/网络挖掘...
实验室专注于人工智能领域的相关研究，尤其是网络科学，机器学习和网络挖掘等。
研究课题：
人工智能，网络挖掘，社交网络分析。
最新论文（近3篇）：
1. Taguchi, Hibiki, Tsuyoshi Murata, and Xin Liu. "BiMLPA: Community Detection in Bipartite Networks by Multi-Label Propagation." In International Conference on Network Science, pp. 17-31. Springer, Cham, 2020.
2. Onuki, Yohei, Tsuyoshi Murata, Shun Nukui, Seiya Inagi, Xule Qiu, Masao Watanabe, and Hiroshi Okamoto. "Relation prediction in knowledge graph by Multi-Label Deep Neural Network." Applied Network Science 4, no. 1 (2019): 20.
3. Madhawa, Kaushalya, and Tsuyoshi Murata. "A multi-armed bandit approach for exploring partially observed networks." Applied Network Science 4, no. 1 (2019): 26.
此系列持续更新中...
//
作者：郭直灵/东京大学博士
编辑：伍广明/东京大学特任研究员