spacer


菅澤 翔之助 すがさわ しょうのすけ/講師/環境学研究系
社会文化環境学専攻/空間環境情報学協力講座/データサイエンス、空間統計学
https://sites.google.com/view/ssugasawa

略歴
2013年3月慶應義塾大学理工学部数理科学科卒業
2015年3月東京大学経済学研究科経済専攻統計学コース修士課程修了
2018年3月東京大学経済学研究科経済専攻統計学コース論文博士(博士(経済学))
2015年4月日本学術振興会特別研究員DC
2015年12月統計数理研究所リスク解析戦略研究センター特任研究員
2018年4月東京大学空間情報科学研究センター講師(現職)
教育活動
大学院:統計的データ解析、数理統計学
研究活動
データサイエンス
ビッグデータ時代と呼ばれる昨今では、データから新たな知見を発掘し価値を創造することが求められており、その中でデータサイエンスは中心的な役割を果たしている。このようなデータサイエンスを用いた新しい分析手法の開発やその理論的側面・空間情報をはじめとする様々なデータに対する応用に関する研究を行なっている。

データに潜む異質性
世の中のデータは様々な異質性を保持している。例えば、「失業率が犯罪率に与える影響」は地域(市区町村)ごとに異なる可能性があり、「ある治療を施したときの効果」は患者ごとに個人差があると考えられる。このような異質性を考慮しない分析方法は、誤った結果・解釈を導いてしまう可能性がある。このような異質性に注目したデータ分析方法・効率的なアルゴリズムの開発およびその理論解析について研究を行なっている。
[文献]
1)Sugasawa, S. and Kubokawa, T. (2019). Adaptively transformed mixed model prediction of general finite population parameters. Scandinavian Journal of Statistics, to appear.
2)Sugasawa, S., Kubokawa, T. and Rao, J. N. K. (2019). Hierarchical Bayes small area estimation with an unknown link function. Scandinavian Journal of Statistics, to appear.
3)Sugasawa, S., Kobayashi, G. and Kawakubo, Y. (2019). Latent mixture modeling for clustered data. Statistics and Computing, to appear.
4)Sugasawa, S., Kubokawa, T. and Rao, J. N. K. (2018). Small area estimation via unmatched sampling and linking models. TEST 27, 407-427.
5)Sugasawa, S., Noma, H., Otani, T., Nishino, J. and Matsui, S. (2017). An efficient and flexible test for rare variant effects. European Journal of Human Genetics 25, 752-757.
6)Sugasawa, S., Tamae, H. and Kubokawa, T. (2017). Bayesian estimators for small area models shrinking both means and variances. Scandinavian Journal of Statistics 44, 150-167.
7)Sugasawa, S. and Kubokawa, T. (2017). Heteroscedastic nested error regression models with variance functions. Statistica Sinica 27, 1101-1123.
その他
日本統計学会
spacer
将来計画
変化していく社会的需要に柔軟に対応しながらデータサイエンスの存在感を強めていくことを目指す。
教員からのメッセージ
データサイエンスの考えはどの科学分野でも必要不可欠なものである。一方で、必ずしも分野に捉われない統一的な方法論を展開できるのもデータサイエンスの魅力の一つである。(例えば、同じような解析方法で経済データと医学データが解析できることがある。)
top