在籍生徒の9割が東京と神奈川の学校
一橋のSDSと東工の情報ではどっちが将来有利になりますか?
一橋のSDSと東工の情報、関東で専攻を情報系に確定させるのには最高な学部だと思うのですが、どちらが良いでしょうか?
筑駒と開成の進学者数で見ると、一橋5:東工4となっています。定員に占める割合でいくと、一橋8.3%:東工4.3%となっています。
出世・起業を考えると一橋の方が上ですが、エンジニアとしての素養を高めたい場合は東工の方が上で悩ましいです。
東工と一橋では、入学時の数学力では東工>一橋だけど、卒業時の実務に関連する微積・線形代数・確率統計では東工≒一橋になる一方、東工は無駄な課題が多くて英語が疎かになり、英語力に関して一橋>東工なのが、出世で大差がつく原因でしょうか?
◯オープンワーク年収統計
ランク 大学名 55歳時年収(万円)
AAA 一橋大学 1,393
AAA 東京大学 1,351
--
AA 京都大学 1,172
A 名古屋大学 1,106
A 神戸大学 1,101
BBB 慶應義塾大学 1,086
BBB 早稲田大学 1,061
BBB 東京工業大学 1,036
◯2016-2022年に新規上場した会社の社長輩出率
大学 社長数 学生数K 輩出率
一橋大学 11 4.4 2.52
東京大学 34 14.0 2.42
東京工業大学 7 4.9 1.44
--
慶應義塾大学 33 28.7 1.15
早稲田大学 34 37.9 0.90
横浜国立大学 6 7.3 0.83
京都大学 9 13.0 0.69
○出身大学別TOEICスコアランキング
https://career.nikkei.com/knowhow/career-improve/002359/
一橋大の伝統学部は総じて斜陽ということですか?
経済学部は、世界の人モノ金の流れを分析し、社会全体の豊かな生活に貢献するための学問。
経国済民、社会の富の適切な配分のあり方などを考察するべく、意志決定のため、データサイエンスや統計分析などを活用するイメージでしたが。
むしろ、経済学部自体をブラシュアップしていくのかなと。
これまでの社会科学・医学は個人の思い込みばかりが先行していて、細かなエビデンスベースではなかったんだよね。
DSは現代の読み書きそろばんだから、DSを修めた人材が数千億パラメーターのモデルを駆使しつつ、社会・人間(DNA等)を分析・改善提案(個人のDNAに完全適合したDNA修正等)をするのが学問のデフォルトになると思うよ。
経済・心理・生物・医の区別は無用になるでしょう。
もちろん時代についていけない医師会等の旧勢力の抵抗は激しいだろうけどw
〉DSは現代の読み書きそろばんだから
データサイエンスはそろばん、つまり道具・ツールや手段ということですね。同感です。
〉経済・心理・生物・医の区別は無用になるでしょう。
これはどうでしょうか。意見分かれそうです。研究型大学はリベラルアーツが中心、一方で職業人や専門職育成の役割は専門学校へ移行するイメージですかね。
育成面では、人の非認知能力(意欲、協調性、粘り強さ、忍耐力、計画性、自制心、創造性、コミュニケーション能力等)をどう伸ばすか、もありますね。
これまでは、人新世時代だからなのでしょうが、
文系 理系
・人へのアプローチ: 法学部 医学部
・モノへのアプローチ: 経済学部 工学部農学部
・思想理念へのアプローチ:文学部 理学部
が大学における学部の大きな枠組みでした。
これをどのように再構成するのか。その時に大学という概念もあるのか。分からないですね。まあスレとは関係ないですが。
経済学/ビジネスはヒトへのアプローチでもあるよ。
ヒトがどう行動するかでミクロ経済もマクロ経済もビジネスも変わるからね。心理学ともはや区別する意味はなくなっている。
そうすると精神医学と区別する意味もなくて、そもそもそういう精神状態・経済行動・経営判断を取るのは〇〇DNAから△△タンパク質が過剰/〇〇DNAの欠損により過小に生成されているからだ、とこうなる。
数学+物理+化学+生物の知識は前提で、その上で数千億パラメーターのDSでどんどん深掘っていかないと、凡庸な人材になるよね。現代の勘で喋っている教授たちのようにw
法や文は、ただの決め事だったり、ただのエンタメだから、専門学校でいいのだけど、日本はセルフ経済制裁になるような暗愚な立法・判例が異常に多いので、政治家と裁判官には、経済・心理・精神101のテスト合格の必須化を課した方がいいかも。
タンパク質のDS的構造予測(アルファフォールド)→創薬進歩に続き、素材探索においてもDS的アプローチが奏功し、革命を起こし始めました。
日本の理系教育は極端に演繹的手法に偏り、帰納的手法が軽視されてきました。このエデュにもやたらモデル・構造に拘る化石が出現しますがw
「ディープマインドが材料革命、700以上の新素材をAIで探索」
https://www.technologyreview.jp/s/323163/google-deepminds-new-ai-tool-helped-create-more-than-700-new-materials/
"新材料を見つけ出そうとするとき、科学者は元素周期表にあるさまざまな元素を組み合わせる。しかし組み合わせの数が膨大なため、やみくもに進めては効率が悪い。そこで研究者は既存の構造をもとにして、見込みのありそうな新しい組み合わせが見つかることを願いながら、少し手を加えていく。それでもなおこの作業は骨が折れるもので、かなりの時間がかかる。また、既存の構造を基にしていることから、予期せぬ発見の可能性が制限されてしまう。
こうした制約を乗り越えるべく、ディープマインドは2種類の異なる深層学習モデルを組み合わせた。一方のモデルは、既存の材料の要素に変更を加え、10億種類以上の構造を生成する。そしてもう一方は、既存の構造を無視し、化学式だけを基準にして新材料の安定性を予測する。この2つのモデルの組み合わせによって、可能性は大きく広がった"




































