• HOME
  • 統計科学専攻における学生履修モデル1

統計科学専攻における学生履修モデル1

社会背景:
脳科学、ゲノム科学、マーケティング、金融、経済、気象、環境、惑星科学、天文科学等の分野において、大規模データからの予測、知識発見などの高次推論を行うための実践的モデリングと計算手法の開発が求められている。

研究関心:
大規模データからの知識発見、予測に役立つ統計モデルの開発。

矢印

教育研究指導分野:
  非線形時系列解析

入学後の履修課程:
  博士課程修了要件(5年の博士課程)=40単位以上

photo_1

1-3年次

  • 総合教育科目:
    学融合レクチャー、学生セミナー
    →科学研究の様々な側面に触れ、研究者としての広い視野を育む。
      
  • 共通専門基礎科目:
    モデリング科学概論Ⅰ・Ⅱ、データ科学概論Ⅰ・Ⅱ、推測数理概論Ⅰ・Ⅱ、計算推論科学概論Ⅰ・Ⅱ
    →予測や知識発見など高次推論の基礎となるモデリング、数理、データ設計、計算手法を系統的に修得する。
     
  • 専攻専門科目:
    非線形時系列解析Ⅰ・Ⅱ、時空間ベイズ法、ベイジアンモデリング
    →以上の4科目において、最新のモデリング手法を修得する。 
     
    計算推論アルゴリズム
    →最新の計算手法を修得する。
     
    統計的学習理論Ⅰ、情報幾何学
    →以上の2科目において、推論手法および基礎理論を修得する。
      
    統計科学講究Ⅰ・Ⅱ・Ⅲ
    →以上の3科目において、研究進捗状況をセミナー等で発表し、研究指導を受ける。

  

4-5年次

  • 専攻専門科目
    統計科学総合研究Ⅳ
    →関連分野の文献を講読する。
      
    モデリング総合研究Ⅳ・Ⅴ、統計科学講究Ⅳ・Ⅴ
    →以上の4科目において、研究進捗状況をセミナー等を発表し、研究指導を受ける。
      

論文テーマ

「Dynamical EEG Inverse Problem and Causality Analysis of fMRI Data」
 脳科学におけるEEGデータおよび機能的MRIデータの解析のために大規模時空間モデルを構築し、並列計算機を用いた効率的な計算推論のためのアルゴリズムを開発した。そして、脳科学分野の研究者と共同研究を行い、脳内信号伝達経路に関する新しい仮説を提案した。
  

学位の種類:博士(統計科学)