世の中の複雑な現象をシンプルな形で定式化し、計算量や記憶容量の面で解ける問題に落とし込むことに興味があります。ダーウィンが多種多様な生物の進化のメカニズムを自然淘汰で華麗に説明したことや、ラリー・ペイジとセルゲイ・ブリンがWebページの重要度をページランクというシンプルな行列演算で求めたことなどから、何も難解で複雑な理論だけが素晴らしいわけではなく、むしろ現象やデータに内在する構造は思っている以上に単純なことが多いのではないかというオッカムの剃刀的思想を持つようになりました。ビッグデータの活用が当たり前になった現代においてこそ、高性能な計算機や膨大なデータにものをいうのではなく、データから本質的に重要な情報を抽出する数理モデルを追求していきます。
[Keywords]
機械学習 / データアナリティクス / 統計的学習 / 因果推論 / 強化学習
I'm interested in modeling complex real-world phenomena with simple equations and reducing them to problems that can be solved with practical computational and memory resources. Darwin elegantly explained the diversity of life with the theory of evolution driven by natural selection. Larry Page and Sergey Brin calculated an importance of web pages by a simple matrix operation called PageRank. These are examples of Occam's Razor: that it is not necessarily the most abstruse and complex theories that are the most impressive, but those that are simpler than the structure of the phenomenon or data might suggest. In today's world where the use of big data has become routine, I’m paradoxically seeking mathematical models that do not depend on high-performance computing and massive data sets, yet can still extract essential information from data.
[Keywords]
Machine learning / Data analytics / Statistical learning / Causal inference / Reinforcement learning