中学生から就活生まで。
仕事と会社と大学を、わかる言葉で。
学年順位から、進学先・就職先・生涯年収まで。登録なし・無料、全国 4,961 校に対応。
同じ高校の先輩たちが、どんな大学に進んだか。その実績から、いまの順位から考えられる進学先・就職先、40歳の年収と生涯年収の目安を出します。順位を動かすと、未来がどう変わるかも見られます。
同じくらいの順位の先輩が進んだ会社の、平均的な年収の推移です。
押すと、その業界の仕事や職種の説明が見られます。
押すと、どんな会社なのかが見られます。
学年順位から「学年の上位何％か」を出し、同じくらいの位置にいた先輩たちの進学先を確率で表示します。上位の人ほど順位どおりの進学先に進みやすいとして計算しています。浪人した先輩は、上位にも下位にもいるため計算から外しています。
高校が出す「合格者数」は1人が何校も受かると重複するため、上位の帯から順に、同じ帯での複数合格と、上の帯に進んだ人の滑り止め合格を差し引いて、実際の進学者数を推定しています。
就職先は、大学帯ごとに「トップ企業・大手・中堅・中小」に入る割合と、業界の割合から計算します。生涯年収は22〜64歳の給与の合計（退職金は含まない）で、下の表はいまの仮の値です。各社の有価証券報告書の平均年収と、厚生労働省の賃金統計に置き換えていきます。
選ぶたびに、予想がその場で変わります。
行動ごとの効果は、就職実績の傾向をもとにした目安です。実際は本人しだいで大きく変わります。
文理選択は、高1〜高2のうちに決めることが多い選択です。ここで選んだ方によって、高校で受ける授業と受験科目が変わり、行ける学部が変わります。学部が変われば、大学での時間割や過ごし方、就職するときに選べる仕事、そしてその後の働き方まで変わっていきます。どちらが上ということはありません。それぞれで身につく力と大変なところを比べて、自分に合う方を考えてみましょう。
学部の名前だけでは、何をするのかはわかりにくいものです。タップすると授業や4年間の流れ、進路まで見られます。
仕事のことを知るのは、ふつうは就活のときです。でも、なるための道が高校の文理選択や学部選びで決まる仕事もあります。
保存した仕事・学部・会社、診断の結果、会社スタンプ帳をまとめて見られます。
情報系学部は、情報とコンピュータを使って問題を解決する方法を学ぶ学部です。「情報学部」「情報科学部」「情報理工学部」「データサイエンス学部」など名前はいろいろで、コンピュータの理論を深く学ぶ理系寄りの学部から、メディアや社会・経営と情報を組み合わせる文理融合の学部まであります。プログラミングと数学を土台に、AI、ネットワーク、セキュリティ、データ分析などを学び、チームでシステムを作る演習も多くあります。卒業後はIT企業のエンジニアを中心に、メーカー、金融、通信、コンサルティングなど幅広い業界でデジタル人材として働きます。たとえば、地図アプリの道案内、動画サイトのおすすめ、コンビニのレジ、電車のICカードの改札も、情報系の技術で動いています。
一日中パソコンでプログラムを書く学部
計算とは何か、効率のよいアルゴリズムとは何かを数学的に研究する、情報学の理論の中心です。理学部の情報科学科もこの分野です。たとえば、「どんなに速いコンピュータでも解けない問題はあるか」「暗号はなぜ解読されにくいのか」を数学で考えます。
ソフトウェアやハードウェア、ネットワークを組み合わせて、実際に動くシステムを作る方法を学びます。工学部の情報工学科と内容が近いです。たとえば、コンビニのレジで商品を読み取ると在庫が自動で減るしくみや、電車のICカードの改札のしくみを作る技術です。
統計学と情報科学を組み合わせ、大量のデータから価値ある知見を見つける方法を学びます。企業や自治体の実際のデータを使う演習もあります。たとえば、スーパーの売上データから天気と売れる商品の関係を見つけたり、健康診断のデータから病気の早期発見に役立つ傾向を探したりします。
機械学習、深層学習、画像認識、自然言語処理などを学びます。数学（線形代数・微分積分・確率統計）を特に多く使う分野です。たとえば、自動運転車が歩行者や信号を見分ける技術や、翻訳アプリ、チャット型のAIなどを研究します。
インターネットのしくみや、サイバー攻撃から情報を守る技術、暗号などを学びます。たとえば、SNSのアカウントの乗っ取りや、会社のデータを使えなくして身代金を要求する攻撃（ランサムウェア）を防ぐ方法を研究します。
CG、ゲーム、音声、映像、VRなどのメディア技術や、人が使いやすい画面や操作のデザインを学びます。たとえば、ゲームの3DCG、VRゴーグルの映像、動画配信の画質を良くする技術、使いやすいスマホの画面デザインなどを扱います。
押すと、その授業の中身が見られます。
C言語、Python、Javaなどで、変数、条件分岐、繰り返し、関数から始め、少しずつ大きなプログラムを書けるようにします。毎週の課題でプログラムを提出します。たとえば、最初は画面に文字を表示するところから始め、数か月後にはじゃんけんゲームや、テストの平均点を計算するプログラムを作れるようになります。
経験者と初心者の差が最初は大きく見えますが、毎週の課題を自力で解いていけば追いつけます。エラーの原因を探す「デバッグ」に何時間もかかることもあります。
並べ替え（ソート）や探索などの基本的な手順と、データを効率よく扱うための構造（配列、リスト、木、グラフ、ハッシュなど）を学びます。たとえば、地図アプリの最短経路の探し方や、何百万件の商品から検索ワードに合うものを一瞬で見つける方法を学びます。
どの方法が速いかを「計算量」という考え方で比べます。IT企業の採用試験でもよく問われる、情報系の最重要科目の一つです。
集合、論理、グラフ理論、組み合わせ、数え上げなど、コンピュータで扱う「とびとびの値」の数学を学びます。たとえば、駅と路線の関係を点と線で表す「グラフ」を使うと、乗り換え案内の計算ができます。
AIやデータ分析、画像処理、シミュレーションで使う数学の基礎です。行列の計算や確率分布などを学びます。たとえば、写真を白黒にしたり明るくしたりする画像処理は、画素の数値をまとめて計算することで行っています。
「情報系なのに数学がこんなに多いの？」と驚く人が多いです。機械学習の理論を理解するには特に重要です。
コンピュータの中でCPUやメモリがどう動いているか、0と1の論理回路からどのように計算が実現されるかを学びます。たとえば、ゲーム機やスマホの性能を表す「CPU」「メモリ」などの言葉の意味が、しくみから分かるようになります。
ふだん目に見えないコンピュータの内部を理解する科目です。簡単なCPUを設計する演習を行う大学もあります。
WindowsやLinuxのようなOSが、たくさんのプログラムを同時に動かしたり、メモリやファイルを管理したりするしくみを学びます。たとえば、たくさんアプリを開くとスマホが重くなる理由や、一つのアプリが固まってもスマホ全体は止まらない理由が分かります。
抽象的な概念が多いですが、ソフトウェアがどう動いているかを深く理解するうえで欠かせない科目です。
インターネットで情報がどのように届くのか、TCP/IPなどの通信のルール（プロトコル）を学びます。たとえば、ブラウザでURLを入力してからWebページが表示されるまでに、裏側でどんな通信が行われているかを学びます。
大量のデータを整理して保存し、必要なデータを素早く取り出すしくみを学びます。SQLというデータを操作する言語も使います。たとえば、ネット通販で残り1個の商品を2人が同時に買おうとしても、二重に売れてしまわないしくみを学びます。
銀行やネット通販など、ほぼすべてのシステムの裏側にある技術です。設計の考え方を学ぶ演習が多くあります。
データからパターンを学ぶ機械学習のしくみや、深層学習（ディープラーニング）、生成AIの基礎を学びます。たとえば、過去の気温と売上のデータからアイスの売上を予測するモデルや、手書きの数字を読み取るモデルを自分で作ります。
暗号のしくみ、パスワードや認証、サイバー攻撃の手口と防ぎ方などを学びます。たとえば、ネットショッピングでカード番号が盗まれないように暗号化するしくみや、偽のログイン画面でパスワードを盗む「フィッシング」の手口を学びます。
実際に攻撃と防御を体験する演習を行う大学もあります。倫理的な使い方についても厳しく学びます。
大きなソフトウェアを、チームで品質よく、期限どおりに作るための方法を学びます。設計、テスト、プロジェクト管理などを扱います。たとえば、ゲームのアップデートで新しい機能を入れたとき、今まで動いていた機能が壊れていないかを確かめる「テスト」の方法を学びます。
データを集め、整理し、統計的に分析して結論を出す方法を学びます。仮説検定や回帰分析などを扱います。たとえば、「新しいデザインのボタンの方がクリックされやすいか」を、2つの画面をランダムに見せて比べる方法（A/Bテスト）で確かめます。
データサイエンス系の学部では特に重視されます。分析の結果を分かりやすく説明する力も求められます。
人が使いやすい画面や操作をデザインするための考え方と評価の方法を学びます。たとえば、券売機やセルフレジで迷わず操作できるボタンの配置や、高齢者でも読みやすい文字の大きさを考えます。
実際の利用者にアプリを使ってもらって評価する実験もあります。技術だけでなく、人の心理や行動を理解することが大切だと分かる科目です。
情報系学部の「手を動かす学び」の中心は、プログラミング演習とチームでの開発演習、そして卒業研究です。1〜2年生はほぼ毎週プログラミングの課題があり、動くまで粘り強くデバッグする必要があります。課題の締め切りが重なると、夜遅くまでパソコンに向かうこともあります。3年生ごろからは、数人のチームでアプリやWebサービスを企画・設計・開発・発表するプロジェクト型の演習があり、技術だけでなく役割分担やスケジュール管理の大変さも経験します。4年生では研究室に入り、AIの新しい手法、セキュリティ、データ分析、ロボット、ヒューマンインタフェースなどのテーマで卒業研究を行います。
情報系学部の卒業生は、IT企業のエンジニアになる人が最も多いです。ソフトウェア開発、Webサービス、システムインテグレーター（SIer）、ゲーム、通信など、IT業界の中でも会社の種類はさまざまです。さらに、メーカー、金融、商社、コンサルティング、公務員など、IT以外の業界でもデジタル人材としての採用が広がっています。大学院へ進む人も多く、AIやセキュリティなど研究色の強い仕事をめざす人は修士課程まで進むことが多いです。
生成AIがプログラムを書けるようになり、「プログラマーはいらなくなる？」という声もあります。しかし、AIが書いたコードが正しいか判断し、システム全体を設計し、AIそのものを作り改良するには、情報学の深い理解が必要です。情報系学部で学ぶアルゴリズム、数学、コンピュータのしくみは、すぐには古くならない基礎です。AIを道具として使いこなす力と、AIを作る側の知識の両方が身につくのが情報系学部の強みです。
情報の世界は技術の変化がとても速く、大学で学んだ特定の言語やツールが数年で古くなることもあります。卒業後も学び続ける姿勢が大切です。
流行の技術より、アルゴリズムや数学、コンピュータのしくみといった基礎のほうが長く役立ちます。大学の授業が基礎を重視するのはそのためです。
入学前は「プログラミングばかりの学部」と思っていた人が、数学や理論の授業の多さに驚くことがよくあります。また、プログラミング経験者が周りにいて、最初は焦る人もいます。ただし、大学の授業は初心者を前提に組まれていることが多く、課題をこなしていけば追いつけます。逆に経験者でも、理論やチーム開発で苦労することがあります。
課題や研究で、パソコンに向かう時間はやはり長くなります。目や体の健康に気をつけることも大切です。
IT業界は人材不足と言われますが、技術力によって仕事や待遇に差が出やすい業界でもあります。大学での基礎の学びが長い目で効いてきます。
大丈夫です。多くの大学では、プログラミングを初めて学ぶ人を前提に授業が始まります。毎週の課題にきちんと取り組めば、十分に身につきます。
ゲーム会社のプログラマーやCGの仕事につく人はいます。ただし人気の業界なので、在学中に自分で作品を作るなど、実力を示せるようにしておくことが大切です。
必須ではありませんが、基本情報技術者試験や応用情報技術者試験は、知識の確認や就職活動でのアピールになります。授業の内容がそのまま試験勉強の土台になります。
多くの大学で、入学時にノートパソコンを各自で用意することが求められます（必携化）。推奨する性能を大学が示していることが多いので、入学前に確認しましょう。
数字はすべて公開データにもとづく目安です。出典は出典・サイトポリシーにまとめています。
この学部に通うといくらかかる？国公立・私立・学部ごとの学費の総額を見る社名だけでは何の会社かわかりません。業界タグと、何をしている会社かを見てみましょう。タップすると詳しく見られます。