YCU 横浜市立大学

科目紹介

データサイエンス学部では、数学と統計学を基礎にして、広くデータサイエンスの世界を学びます。その内容はどのようなものか、代表的な2つの授業を紹介します。
データサイエンス推進センター長岩崎学先生 データサイエンス推進センター長 岩崎学教授

線形代数学

データサイエンスを学ぶ上で、まず求められるのは数学の基礎。線形代数学もそのひとつで、ベクトルと行列に関する数学理論は、理工系のさまざまな学部で必須になっています。 データサイエンス学部で学んでいく統計学では、ひとつの変量を分析するよりも、たくさんの変数に対する関係を分析する、多変量解析法を用います。その際に必要なのが、線形代数学の知識です。データサイエンス学部で学習する線形代数学は、数学的な理論を広範囲に学習する一般的なものとは少し違い、データ解析に必要とされる部分に絞って、そこを重点的に学んでいきます。高校で習うベクトルには幾何学的なイメージが大きいのですが、ベクトルと行列には密接な関係があります。こうした数学理論を学び、修得することは、いろいろな分野に応用でき、例えば変量がたくさんあるデータの分析もできるようになります。数学は抽象的があるがゆえに発展性がある学問です。その発展性を大きく広げるのが、数学の基礎です。線形代数の授業は、理論だけでなく実際に計算するために必要な情報学的な知識も含めて進めていきます。自分で計算したり、コンピュータを使いながら、理論と演習を1年間かけて学びます。  

機械学習

機械学習という言葉は、機械が学習することや機械に学習させることなど、いろいろな意味を持っています。現在さまざまな分野から注目を集めている人工知能(AI)の基礎を担う手法が、この機械学習です。従来の機械学習では、線形代数学などを基礎とした線形手法によるものが多く、コンピュータの処理能力も低かったため負荷の少ない手法が中心だったのです。しかし現在では、線形代数の世界を離れた非線形手法を採り入れた計算が可能になってきました。データサイエンス学部の機械学習の授業では、こうした新しい方法も紹介し、これまでには実現できなかった、非線形で高負荷な手法を実際にコンピュータを使って学んでいきます。自分で考える基礎を学び、人間がコンピュータにその手法を示してシミュレーションさせるのは、まだAIの入り口に過ぎません。機械学習を学んでいくことで、そこから先にコンピュータが学習し、みずから考えていく仕組みが広がっていることが見通せてくるのです。この分野は世界中から大きく期待されており、まだまだ発展途上にあります。先の世界を切り拓いていくのは、本学で機械学習を学び、さまざまなかたちに応用していくデータサイエンス学部の学生とも言えるでしょう。  

データサイエンス学部School of Data Science