• 統計数理研究所

• 福水 健次
• 伊藤 聡

 「データ科学」基盤技術としての機械学習を深く考察するために，応用面と数理面にまたがる６つの講演を行ってもらい，議論を深めた．

江口先生，井手先生には，応用面からの機械学習への課題に関して論じていただいた．

池田先生，冨岡先生には，近年関心を集めている方法のひとつである「スパース性」を用いたデータ解析に関して，それぞれ応用，理論からの観点で議論をいただいた．

山田先生，持橋先生には，これも近年特に研究が盛んである，ノンパラメトリックベイズに関した研究の先端を紹介いただいた．

江口先生は，海洋生物の資源評価に対する統計的・機械学習的アプローチに関して，研究の現状と問題点を議論された．生態系のデータは機械学習の興味深い応用であるが，データ取得の不確定性や強いバイアスなどにより，様々な挑戦的なデータ科学の課題が存在している．

井手先生は，ケニアで行った，webカメラによる低レベル画像からの車の台数推定の研究を紹介された．デバイスが変わることによって，データ解析に関する困難な課題が発生する例である．

池田先生は，いくつかの物理計測データに対するスパース表現を用いた情報処理の研究を紹介された．

冨岡先生は，重複がある場合の group Lassoの２つの方法（構造的／加法的）に関して，双対性に基づく統一的な理論的アプローチを示された．

山田先生，持橋先生は，ノンパラメトリックベイズにおける最近の研究として，離散的データの階層的なモデリングにおいて，背後に連続的な構造を導入した際のアルゴリズムの構築の重要性を示された．

• 近年のデータは，データ取得の不確実性やバイアスなどの問題を含んでいることが多く，そのような状況に対して機械学習的なアプローチによって，どのような理論や方法が構築可能であるかを，考察することは重要な課題である．
• 機械学習は，理論上きれいな仮定をデータに課して考察することが多いが，現実の低品質のデータなどにどのようなアプローチが有効かを，理論的に考察していく必要がある．
• スパース性に関しては，すでに活発な研究があるが，物理計測データなど多くの応用での現実的アルゴリズムと，より発展的な理論展開の両面が重要と考えられる．
• ノンパラメトリックベイズに関しては，離散と連続を融合したモデルとアルゴリズムの開発が重要と考えられる．

今回の研究会を受けて，明らかとなった課題に関して，より専門的なワークショップなどを開催していきたいと考える．