私がデータサイエンス学部で担当している講義では、線形代数、確率と統計などの統計科学と機械学習の数理的な基礎を確実に理解し、それを実社会のデータへ応用する能力を養うことを重視しています。理論と実践の架け橋となるような授業を通して、学生がデータに基づいた科学的な思考力を身につけることを目指しています。
※本ページに掲載されている授業は、2025年7月時点で担当している授業科目です。最新情報は Research map よりご確認ください。
1年生の前期に実施される「線形代数学I」「線形代数学（基礎）」および後期に実施される「線形代数学II」の授業です。この授業では、データサイエンスの根幹をなす数学の基礎である線形代数学の理論と計算方法について学びます。毎回の授業では、前回の授業で実施した内容についての演習課題を実施し、実際の問題の解き方を丁寧にわかりやすくレクチャーします。
行列の計算
連立1次方程式とその解
逆行列の計算
行列式の計算
固有値と固有ベクトル
線形空間と線形写像
計量ベクトル空間
3年生、4年生に向けて特に機械学習の基礎理論を、数学・統計学を用いて学ぶ授業です。ベイズ判別規則の最適性や確率モデルを利用した判別、線形判別分析、ニューラルネットワークを学び、その上で深層学習の数理へと理解を進める。深層学習では、代表的な畳み込みニューラルネットワーク、再帰的ニューラルネットワーク、敵対的生成ネットワーク、変分オートエンコーダを学ぶ。本科目で重要なのは、スライドではなく板書で進められる講義であり、特に重要な定理などについて実際に照明を追いながら内容を確認できることである。
1年生の後期に実施される数理統計学の入門的授業です。実施内容は、統計検定2級の内容を深く理解することを目指しています。
これらの授業の一部を担当しています。生成型AIの技術解説と、最近の進歩とその活⽤事例についてわかりやすく解説し、生成AIを勉強で利用する上での効果的な活用方法や注意点について紹介しています。