|
|
- 情報論的学習理論/統計的学習理論
- 「機械はどこまで学習できるか？」この問いに対して情報理論・統計学からアプローチしている。情報論的学習理論では、記述長最小原理に基づいて、モデル選択、表現学習、変化検知、高次元スパース学習など幅広い学習問題に有効な機械学習及びデータマイニングアルゴリズムを統一的に導き出している。
統計的学習理論では、深層学習やカーネル法など幅広い機械学習手法に対し、統計理論を用いた理論解析および新しい手法の開発を行っている。また、それら機械学習手法を大規模データ上で高速に動かすための最適化手法の研究を、学習理論と整合する形で行っている。
- データサイエンス基礎
- 大量データからの知識発見技術（異常検知、ネットワークマイニング、など）を研究している。特に、データに潜む隠れた構造を発見し、将来の変化の予兆を検知する「予兆情報学」の確立をめざしている。
- データサイエンス応用
- 現実の複雑なデータを対象に、医療データ解析、マーケティング、ＳＮＳ解析、障害解析、地理空間データ解析、金融データ解析などに機械学習手法・データマイニング手法を適用し、実世界で効果を生み出すためのデータサイエンスの方法論を研究している。
|
