ITサービス及び製品の仕組みなどを学び、0から100まで開発する能力を得られる学問。
“Computer Science”と同じ学問と捉えられる事が多いが、実はCS⊂CEと表すのが理想的である。CSはソフトウェアが主なフォーカスであり、数学を織り交ぜながらアルゴリズム構築からアプリ開発を行う事を学ぶ学問であり詳細は他の専攻者に委任する。
それに対しCEはCSほどソフトウェアに特化せず、物理学と工学を用いたハードウェアにもフォーカスが置かれている。電気信号、光学、電磁波なども学ぶことで物事が「どう動いてるのか」という疑問を追究し、「もっと便利にならないか?」とアイディアを具現化し開発する。
その一連の流れは、コンサルティング+製品という考えと捉る事もでき、あらゆる分野の知識を学ぶことが可能である学問。コンピューターを用いてモノづくりをしたい人、世の中の疑問や妄想を自分の力で何とかしてみたい人にお勧め。(Shunta)
勉強については、基本的な高校レベルの科学と数学の知識があることが大前提で、特に微積分の知識は必要不可欠。
コーディングの知識もあると便利で、アセンブリ、C、C++など、”早い”言語をCEの現場では用いることが多く、逆にPythonやJavaなどはその場で学ぶことが可能なため重要視されていない。
多方面の知識を強制的にインプットさせられるので、忍耐力と好奇心を持ち続けることが大事。
多くの大学では、2年目が山場となることが主流で、それを超えれば問題ない。(Shunta)
C++を用いてGISマップを開発する授業。最短経路問題等のアルゴリズムを用いて、データの読み込みからUI開発までを少数チームで行い、プレゼンを行う。初めて履歴書に載せれるレベルのプロジェクトを行える授業だが、マイルストーンが頻繁にあり多忙なため、ここで単位を落とす生徒が多い授業。
(Logo: University of Toronto)
Shunta
通信プロトコル及びOSI階層の機能や役割について学ぶ。インターネットの髄であるパケット通信の仕組みやサーバー間とのルール等、ネットワークの基本を学ぶ。チャットアプリをラボを通して開発していく。授業でカバーする情報量が多いため、教科書は必要なく、試験も実用的な内容で面白い。
(Logo: University of Toronto)
Shunta
機械学習のイントロ授業で、ニューラルネットワークやAIの仕組みを専門的に理解できる第一歩。微積分や確率論をしっかり事前学習しておく必要があり試験は数学的要素が強いが、それでも他の授業よりも枠の競争率が高い。ラボはTensorflowを用いて、画像認識を行う内容。
(Logo: University of Toronto)
Shunta
ルーターやバスなど、サーバークライアント間の交通整理を行う機器について学ぶ。ネットワークエンジニアとしての実用的な技術をラボを通して学ぶ。Linuxのコマンドも多く覚える必要があり、自作サーバーを作る際にも便利となる授業。
(Logo: University of Toronto)
Shunta
パケットのバッファーやランク付け、優先度などサーバー側のパケット処理の仕組みを学ぶ、レアな授業。機器内での通信を細かく分析し、ラボではビット数レベルで実験を行っていく。スコープは限定的だが、そこの権威である教授が分かりやすく教えてくれる授業。ECE361、461の延長かつと同じ教授なので、それが好きで取る生徒も多い。
(Logo: University of Toronto)
Shunta
エンジニア向け経済学及びビジネスの授業。経理、財務等アカウンタント的要素もあり、主流経済学についても数学を用いて学ぶ。自分で起業する際に必要な金銭管理の重要性を身に付けることが目的にあり、試験では読解力と判断力も試されるため、試験勉強は過去問の数をこなせば良いものでは無く、内容の理解をしていないと痛い目に遭う。
(Logo: University of Toronto)
Shunta
大学4年間の集大成となる、研究開発を行う。夏休み頃から、大学内外のクライアントと相談を始め、要望に対して8か月かけて製品または理論の開発研究を行い、大学関係者にプレゼンをする流れ。自分の能力やアイディア全てを出せる機会であり、自発的に取り組むほどより良い成果が得られる。
(Logo: University of Toronto)
Shunta
コンピューターのCPUの作り方を学ぶ授業。
基本的な論理ゲート(ANDゲートやORゲート。例えばANDゲートの場合、2つの入力両方がHighの場合のみHighを出力するなど、シンプルな論理演算を行う部品)を組み合わせることにより、学期末までにCPUがどのようにできているのか理解することができる。実際のCPUは作らないが、簡単な部品の組み合わせによって複雑な計算が可能になるということがわかる。
(Logo: Columbia University)
Riku