学び
研究室では統計学を基礎とするコンピュータを用いたデータサイエンスを扱います． データについて，本研究室では「データはランダムな事象の実現である」と定義しています． この「実現」は「観測」とも言います．つまり，「データはランダムな事象として観測される」となります． 世の中で観測されるデータを扱うためには，ランダムな事象を数理的に表現する必要があります． その表現が適切かどうかを評価することも重要です． ここでいう「表現」は「モデル」のことです．特に，本研究室では「統計モデル」を扱います． そして，「評価」とは，データとモデルを照らし合わせることです． よって，本研究室で必要な基礎知識としては，データからモデルを考えるための「確率論・統計学の数理的素養」と，コンピュータ上でデータを読み込みモデルを評価するための「プログラミング」や「最適化手法」が必要です． この評価においては，読み込んだデータを可視化することや，記述統計量（平均や分散など）のほか，統計的推測における関数最大化や乱数生成法などの技術が必要になります．
修める （学内用）
必修科目を含めて，履修を推奨する科目は以下の通りです．必修科目には下線，選択必修科目には点線を引いています． 大きく分類すると，(Basis) 研究の基礎となる確率論・統計学，(Applications) その応用分野としての科目，(Technologies) さらに研究で必要となる技術の3つになります．
1年次
- 数理システム
- 集合と論理
- 確率統計（経営）
- 計算機実習A
- 計算機実習B
- プログラミング言語C（経営）
- プログラミング言語C演習（経営）
- 確率統計演習 (B)
- 生産システム (A)
2年次
- 数理統計
- オペレーションズリサーチＡ
- オペレーションズリサーチＢ
- 経営工学計算演習Ａ
- 経営工学計算演習Ｂ
- 常微分方程式（応用数学（経営）） (T)
- 数値解析（経営） (T)
- シミュレーション (T)
- 計算機実習C（応用プログラミング） (T)
- 生産管理 (A)
- 信頼性工学 (A)
- 保全性工学 (A)
- 金融リスク管理（リスク管理） (T)
- 時系列解析 (A)
3年次
- ベイズ統計（データ分析） (B)
- 機械学習（情報システム工学） (B)
- 非線形計画 (T)
- 多変量解析（経営） (B)
- 最適化数学 (T)
- TQM (A)