主に経済・社会系に関する最近の data-driven な研究を紹介し、それらを理解するための数理手法を解説する。研究を進めるのに重要なこれらの数理手法の理解の糸口になるよう講義をする立場で努力する。

時間とともに変動する現象を記録したデータが時系列である。時系列に基づき、複雑な現象を理解し、予測、制御や意思決定を行うための方法が時系列解析である。この講義では、時系列のモデリングのための前処理や特徴の可視化、統計的モデリングの方法、線形・定常時系列モデル、状態空間モデルおよび非線形・非ガウス型モデルについて、実際の問題への応用含めつつモデリングの方法を中心に解説し、現実の問題に対応して適切なモデリングができるようになることを目標とする。

ビックデータ分析技術は情報処理技術を学ぶ上で重要となっている。本講義では、データ分析・データマイニングの基礎について学ぶとともに演習を通して実際にデータを分析するプロセスを学ぶ。特に、前期課程の「データマイニング入門」講義のさらに発展的な内容を学習することで、後期課程や大学院におけるデータサイエンス、人工知能、機械学習、自然言語処理などの関連講義の基礎となる知識を習得することを目標とする。

理工学のための現代数学入門：理工系の専門分野の学習では、しばしば現代数学の言葉や概念が顔を出す。そのときに困らないためには、新しい概念の在処を知っているだけでも大変役に立つ。本講義では、今後現れるかもしれない現代数学の諸相を、数学非専門の立場から説き起こす。以下のすべて、または一部について講義する。

最適化とその応用について講述する．最適化（数理計画）とは，意思決定のための数理手法の一つである．最適化では，与えられた条件を満たす解のうちである関数を最小（または最大）にするものを求める．工学における多くの問題が，このような最適化問題として定式化できる．この講義では，最適化におけるいくつかの基本的な問題を取り上げ，それらがもつ性質と解法を説明するとともに，それらの応用を紹介する．

コンピュータシステムを利用した情報サービスの知識はあらゆる分野で求められている。 本講義では、情報サービスの提供に必要な知識・スキルに加えてそれらの獲得方法を学ぶ。 具体的には、Web サービスの提供を想定し、その実現に必要な知識・技術を解説する。 併せて、具体的なサービス構築を通じ知識・技術の活用に加え、それらの獲得方法を実践的に体得する。 課題発表の時間に学生が設計・構築したサービスのデモをおこない、学生同士で評価する。

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Ⅱでは、統計ソフトウエアRの説明の後、高次元大規模データに潜む相関構造を発見し計量する多変量解析、および時系列データの基本的な解析法を学ぶ。統計手法の運用とデータハンドリングを実習することに加え、微分積分学、線型代数学等の前期課程数学と連携し、数理科学的側面を意識しながら、実験を介して統計手法の合理性と体系を感得する。

ビッグデータの時代と言われている。近年、データの計測およびストレージ技術の発達とともに、大規模データから適切に情報抽出し、それを意思決定に活用することが必須のリテラシーとなっている。いっぽうデータの形式と対応する解析法の変化は著しく、新しい方法を正しく利用するために、普遍的な統計科学の原理を理解することが重要である。基礎となる統計数理とともに、具体的な統計解析手法とその運用を、統計ソフトウエアによるデータ解析実習を通じて習得する。 　統計データ解析Iでは、受講者が統計ソフトウエアを用いた実験によって確率的現象に慣れ、統計推測法の意味を理解し、データ解析の方法を実習する。統計ソフトウエアRの使い方を学んだあと、シミュレーションによってランダムネスと極限定理を体験する。後で必要になる確率分布を学び、基本的な記述統計量と標本分布に関する基礎事項を学習する。推測統計における基礎的な推定・検定法、および分散分析、回帰分析の方法を、データ処理を通じて実習する。

講義情報はこちらよりご覧ください。 http://www.sr3.t.u-tokyo.ac.jp/matsuo/?page_id=499