INTERVIEW
インタビュー
ソーシャル・データサイエンス学部・研究科の魅力
ソーシャル・データサイエンス(SDS)学部・研究科は、日本の大学では初めての設置となります。それゆえ当然ですが、SDS出身の教員は一人もいません。SDS学部・研究科は、社会科学を念頭に置きながらもデータサイエンスという共通項をもって、情報・理工系そして社会科学系と、様々なバックグラウンドをもった教員で構成されています。おそらくそういった学部・研究科はほとんど存在しないと思われます。この多様性により、データサイエンスを軸とした多角的な視点を共有することが可能になるでしょう。この点は非常に魅力的ではないでしょうか。今後学生の皆さんがどのような視点に立ち、社会科学とデータサイエンスを融合させていくのか、私自身も非常に楽しみです。
ソーシャル・データサイエンス学部・研究科で進めたい教育・研究
情報技術の進展に伴い、あらゆるデータが日々大量に蓄積されています。このような「ビッグデータ」を適切に処理し分析することで、新たな知見や課題解決につながると考えられています。その代表的なツールが統計学となるわけですが,従来の統計学が想定している対象は「スモールデータ」であり、それだけでは必ずしも十分な分析ができるとは限りません。高校数学に占める統計学の比重が高まる中で、大学における統計学関連の講義もアップデートしていく必要があると考えています。私の担当する学部科目「数理統計学」と「時系列分析」でも、核となる従来からの基礎に加えて、より現代的な手法や理論にも触れる予定です。さらに発展的な内容は、大学院科目の「統計分析(学術)」と「ビッグデータによる経済予測」もしくは各種ゼミナールで扱います。私の進めている研究もこの延長線上にあります。
■学部ゼミナール紹介
私の学部ゼミナールでは、統計学に基づくデータ分析を主に扱います。統計学的方法論を学んだ後、その社会科学分野における応用を考えます。このテーマについて学ぶためには、基礎的な数学(微積分・線形代数)やプログラミングの知識が必要です。私の学部ゼミナールに興味のある方は、学部1・2年次で、各種数学の授業のほか、数理統計学や回帰分析、機械学習関連科目を履修しておくとよいかと思います。
■学部ゼミナール紹介
私の学部ゼミナールでは、統計学に基づくデータ分析を主に扱います。統計学的方法論を学んだ後、その社会科学分野における応用を考えます。このテーマについて学ぶためには、基礎的な数学(微積分・線形代数)やプログラミングの知識が必要です。私の学部ゼミナールに興味のある方は、学部1・2年次で、各種数学の授業のほか、数理統計学や回帰分析、機械学習関連科目を履修しておくとよいかと思います。
CLASS
担当授業科目
- 時系列分析
- 数理統計学
- (院)統計分析発展(学術)
- (院)ビッグデータによる経済予測
サンプルサイズよりも変数の種類が多い「高次元データ」の分析方法とその統計理論について研究しています。独立同一分布に従うデータのみならず、経済活動の中で観測される高次元時系列データにも焦点を当て、その効率的なモデリングや統計的推測の方法を考えています。またこうした手法を実データに適用することで、金融・マクロ経済予測や変数間の従属性の発見などの実証分析にも取り組んでいます。もう少し専門的に書くと、最近の具体的な研究テーマは、(1) スパース性に誘導される、従来よりもシグナルの弱い近似的ファクターモデルの提案とその統計的推測手法の開発、(2) 高次元時系列モデルにおける、偽発見率をコントロールした変数選択の手法の提案とその理論評価、(3) 近似的メッセージ伝播法に基づく、ある高次元セミパラメトリックモデルの推定量の漸近的挙動の特徴付け、などです。
キーワード
- 高次元統計学
- 高次元時系列
- 高次元漸近理論
- 変数選択
- 偽発見率
- スパース性
- 近似的ファクターモデル
- 予測