スライド

• speakerdeck / slideshare

ハイライト

• 大規模言語モデルは人間の言語能力の解明に役立つのか？Link
• なぜ経験則は説明の論理として受け入れがたいか Link
• 予感される組織に寄せて Link
• 機械学習は真の理解や発見に寄与できるか Link
• 機械学習と機械発見：データ中心型の自然科学の教訓と今後 Link
• 表現と介入：機械学習は化学研究の「経験と勘」を合理化できるか？ Link
• 人工知能の基本問題 Link
• データ社会を生きる技術〜人工知能のHopeとHype〜 Link
• 小１にルービックキューブを教えてみた Link
• 機械学習と自動微分 Link

動画

• 帰納と演繹の間を求めて：記号と離散構造の統計的機械学習 Video Link,
• 機械学習・機械発見から見るデータ中心型化学の野望と憂鬱 Video Link
• 分子のグラフ表現と機械学習の最近 Video Link
• Exploring Practices in Machine Learning and Machine Discovery for Heterogeneous Catalysis (ACS2023) Video
• A Modern Introduction to Decision Tree Ensembles (Data Science Summer School 2023@Göttingen) Part1 Part2
• Applied Machine Learning for Chemistry I & II (HSI2020) Video (Course Website)

統計数理研究所・リーディングDAT講座

• 2022 L-S1 決定木とアンサンブル学習の基礎と実践 Link 講義内容
• 2021 L-B2 決定木に基づくアンサンブル学習 (機械学習とデータサイエンスの現代的手法). Link 講義内容
• 2020 L-S 決定木とアンサンブル学習の基礎と実践. Link 講義内容
• 2020 L-B2 決定木に基づくアンサンブル学習 (機械学習とデータサイエンスの現代的手法) 中止
• 2019 L-S 決定木とアンサンブル学習の基礎と実践. 中止→2020 L-Sとして開講
• 2019 L-B2 決定木に基づくアンサンブル学習 (機械学習とデータサイエンスの現代的手法) Link
• 2018 L-B2 決定木に基づくアンサンブル学習 (機械学習とデータサイエンスの現代的手法) Link

総説 (Selected)

• 大規模言語モデルは人間の言語能力の解明に役立つのか？(後編) [link] [KURENAI]
  瀧川一学・折田奈甫
  岩波 科学, 連載：人間の言語能力とは何か─生成文法からの問い〈番外編2〉, Vol. 94, No. 8, 2024; 740-744.
• なぜ経験則は説明の論理として受け入れがたいか [link] [KURENAI]
  瀧川一学
  岩波 科学, 連載：人間の言語能力とは何か─生成文法からの問い〈指定討論2〉, Vol. 93, No. 12, 2023; 1009-1011.
• 予感される組織に寄せて ─外部から見た多分野交流─ [link] [KURENAI]
  瀧川一学
  情報処理, 連載:こたつde議論 〜情報学を核とした多分野交流の現場から〜, Vol 64, No 12, 2023; 648-653.
• 機械学習は真の理解や発見に寄与できるか [link] [KURENAI]
  瀧川一学
  自動車技術, 特集: DX 時代の CAE 最新手法, Vol 77, No 10, 2023; 26-31.
• 深層学習が広げる分子と幾何構造の表現 [link]
  瀧川一学
  電子情報通信学会誌, 特集: 深層学習は情報・システムの研究をどう変えたか, Vol 105, No 5, 2022; 435-440.
• 機械学習と機械発見：データ中心型の自然科学の教訓と今後 [link]
  瀧川一学
  日本結晶成長学会誌, 特集: 機械学習・AIは結晶成長研究をいかに変えるか？, Vol 49, No 1, 2022; 49-1-01.
• 表現と介入: 機械学習は化学研究の「経験と勘」を合理化できるか? [link]
  瀧川一学
  化学と教育, ヘッドライン: AI が開く新たな化学領域, Vol 70, No 3, 2022; 122-125.
• Machine learning for catalysis informatics: Recent applications and prospects. [doi]
  Toyao T, Maeno Z, Takakusagi S, Kamachi T, Takigawa I*, Shimizu K*.
  ACS Catalysis. 2020; 10: 2260-2297. (Review Paper)
• 人工知能基本問題研究会（FPAI） [link]
  瀧川一学
  人工知能, Vol 34, No 5, 2019.
• 多数のグラフからの統計的機械学習 [link]
  瀧川一学
  システム/制御/情報, 深化する機械学習：技術の進展とその応用特集号, Vol 60, No 3, 2016.
• データマイニングとしての多重標的相互作用解析 [link]
  瀧川一学
  日本薬学会 構造活性相関部会・ニュースレター SAR NEWS, No.29, 2015.
• Graph mining: procedure, application to drug discovery and recent advances. [doi]
  Takigawa I, Mamitsuka H
  Drug Discovery Today. 2013;18(1-2):50-57 (Review Paper)
• 化学とグラフアルゴリズム [link]
  瀧川一学・馬見塚 拓
  化学と教育, ヘッドライン: 化学と数学の接点, 2011:59 (9), 450-453.

古い講義資料

• Link

→ 研究業績 英文 → 研究業績 和文

Talks

• Chemistry problems from a machine learning perspective, The 4th Akira Suzuki Awards Ceremony & the 8th ICReDD International Symposium plus The Rising Star Program, October 22-24, 2024, Hokkaido University.
• Machine Learning and Machine Discovery for Data-Intensive Chemistry, Workshop: Expanding Horizons of Data Science, IEEE eScience 2024, September 18, 2024, Osaka, Japan.
• 自然科学研究のための機械学習と機械発見, ,日本がんと炎症・代謝研究会(SCIM) 第10回学術集会, 2024年6月8日, 京都大学京都大学医学部 芝蘭会館 稲盛ホール.
• 帰納と演繹の間を求めて：記号と離散構造の統計的機械学習, 電子情報通信学会コンピュテーション研究会, 2024年5月8日, 京都大学楽友会館. video
• 機械学習と自動微分, 「最適化法」第15回(ゲストトーク), 2024年1月26日, 同志社大学.
• 機械学習を科学研究で使うとは？, 第12回世界トップレベル研究拠点プログラム（WPI）サイエンスシンポジウム：インフォマティクスを活用した研究の最前線　～情報を味方につけたトップレベル研究～, 2023年11月23日, 北海道大学.
• データ社会を生きる技術
〜機械学習の夢と現実〜, 出前授業, 2023年11月22日, 府立亀岡高等学校.
• A Modern Introduction to Decision Tree Ensembles, Data Science Summer School 2023, Göttinger Rechenzentrum, Göttingen, Germany, Sep 11–22, 2023. video1 video2
• Exploring Practices in Machine Learning and Machine Discovery for Heterogeneous Catalysis, ACS Spring 2023 Symposium on AI-Accelerated Scientific Workflow, Indianapolis, USA, March 26-30, 2023. video
• 機械学習と機械発見：自然科学融合が誘起するデータ科学の新展開, 学習院桜友会寄付講座(生命情報社会学)シンポジウム x-informatics 〜巡り会うデータサイエンス〜, 2023年2月18日, 学習院大学.
• 機械学習と自動微分, 「最適化法」第15回(ゲストトーク), 2023年1月20日, 同志社大学.
• L-S1 決定木とアンサンブル学習の基礎と実践, 2022年度リーディングDAT(Data Analytics Talents)講座, 統計数理研究所, 2023年1月17日. 講義内容
• 機械学習と機械発見：自然科学研究におけるデータ利活用の再考, 情報論的学習理論と機械学習研究会(IBISML), 京都大学, 2022年12月22日-23日.
• 小１にルービックキューブを教えてみた 〜群論スポーツの教育とパターン認知〜, 2022年度第2回領域集会 分科会, 科研費 学術変革領域(A) 社会変革の源泉となる革新的アルゴリズム基盤の創出と体系化, 京都大学清風荘(京都市), 2022年11月6日.
• "データ化"する化学と情報技術・人工知能・データサイエンス, 2022年北海道地区化学教育研究協議会, 北海道科学大学サテライトキャンパス(札幌市), 2022年11月5日.
• 自然科学における機械学習と機械発見, シンポジウム「機械学習が拡げる相転移研究の最前線」, JCCG-51 第51回結晶成長国内会議, RCC文化センター (広島市), 2022年11月1日.
• AFSA研究ラジオ：作る技を極めたい の巻 (瀧川一学), ホスト：宇野毅明 (国立情報学研究所), 科研費学術変革領域(A) 社会変革の源泉となる革新的アルゴリズム基盤の創出と体系化, 2022年7月15日.
• 幾何と機械学習：A Short Intro, フォレスト会議, JST CREST「学習/数理モデルに基づく時空間展開型アーキテクチャの創出と応用」機械学習グループ, 2022年4月18日.
• 決定森回帰の信頼区間推定, Benign Overfitting, 多変量木とReLUネットの入力空間分割, フォレストワークショップ, JST CREST「学習/数理モデルに基づく時空間展開型アーキテクチャの創出と応用」機械学習グループ, 2022年2月24日.
• Machine Learning for Molecules: Lessons and Challenges of Data-Centric Chemistry, Perspectives on Artificial Intelligence and Machine Learning in Materials Science, FY2021 IMI Joint Usage Research, Kyushu University, Feb 4-6, 2022.
• 機械学習と自動微分, 「最適化法」第14回(ゲストトーク), 2022年1月14日, 同志社大学.
• 自己紹介：機械学習・機械発見とデータ中心的自然科学, 科研費 学術変革領域(A) ASFA京都合同会議, 京都大学・寺町三条サテライトラボ, 2021年12月22日.
• 決定木に基づくアンサンブル学習, 2021年度リーディングDAT(Data Analytics Talents)講座, L-B2 機械学習とデータサイエンスの現代的手法, 統計数理研究所, 2021年12月16日-17日.
• 機械学習を自然現象の理解・発見に使いたい人に知っておいてほしいこと, JST 科学技術未来戦略ワークショップ「機器の安全性を高める破壊・寿命予測の科学技術基盤の構築」, 2021年12月10日, JST 研究開発戦略センター(CRDS). (Slide)
• 機械学習・機械発見から見るデータ中心型化学の野望と憂鬱 (講演動画), 2021年度 知能情報学専攻コロキウム(IST COLLOQUIUM 2021), 京都大学大学院情報学研究科知能情報学専攻, 2021年12月9日.
• Machine Learning for Molecular Graph Representations and Geometries, 第44回日本分子生物学会, シンポジウム1AS-17：現実世界のノイズと多様性に挑むデータサイエンス・機械学習, 2021年12月1日, パシフィコ横浜. (Slide)
• 機械学習と機械発見：データ中心型の化学・材料科学の教訓とこれから, 第142回 フロンティア材料研究所学術講演会 「データ科学と機械学習の最前線 ーデータを基軸とした材料開発に向けてー」, 東京工業大学, 2021年11月12日.
• 機械学習～データを予測に変える技術～で化学に挑む！, サイエンスアゴラ2021, シン・サイエンス～情報・ＡＩ・ビッグデータが紡ぐ最先端研究～, 2021年11月7日.
• 機械学習と機械発見: データ中心型の化学・材料科学の教訓とこれから, セミナー, 2021年10月26日.
• Machine Learning for Molecules, Hokkaido University ICReDD - Faculty of Medicine Joint Symposium, Friday, October 15th, 2021, Sapporo, Hokkaido, Japan. (Slide)
• 帰納バイアスと分子の組合せ的表現・幾何的表現 (3分フラッシュトーク), 学術変革(A)「社会変革アルゴリズム基盤」(AFSA) , 2021年度 第2回領域集会, 2021年10月11日-13日. (Slide, Flash-Talk Slide)
• 分子のグラフ表現と機械学習の最近 (講演動画), 理研AIPオープンセミナー, 2021年7月14日, オンライン.
• A machine-learning view on heterogeneous catalyst design and discovery, Telluride Workshop on Computational Materials Chemistry, Telluride, Colorado, USA, July 1, 2021.
• Machine Learning for Chemistry: Representing and Intervening, Joint Symposium of Engineering & Information Science & WPI-ICReDD in Hokkaido University, Apr. 26 (Mon), 2021.
• 不均一系触媒研究のための機械学習と最適実験計画, 理研CSRS インフォマティクス・データ科学推進プログラム成果報告会,, 2021年3月8日, 理研CSRS. Slide
• 機械学習と自動微分, 「最適化法」第15回(ゲストトーク), 2021年1月22日, 同志社大学.
• 決定木とアンサンブル学習の基礎と実践, リーディングDAT講座：L-S (オンライン), 2020年10月29日, 統計数理研究所. 講義アジェンダ
• 分子のグラフ表現と機械学習, セッション「データサイエンスの世界をのぞいてみませんか？ 」, 第10回CSJ化学フェスタ2020, 2020年10月20日, 日本化学会. 要旨
• 機械学習による化学反応の予測と設計, セッション「生命科学・材料科学におけるデータサイエンスの最前線」、2020年度統計関連学会連合大会, 2020年9月8日〜12日, 富山国際会議場・富山県民会館.要旨 (Slide)
• 講義 Applied Machine Learning for Chemistry I & II (講演動画), "Advanced Computational Chemistry", HSI (Hokkaido Summer Institute), 2020年8月26日, 北海道大学.
• 機械学習から見た関心と課題, JST CRDS 俯瞰ワークショップ「プロセスインフォマティクスの俯瞰Ⅱ ～材料合成プロセスへのデータ科学適用の現状と展望（触媒・有機材料分野）～」, 2020年7月29日, JST 研究開発戦略センター(CRDS). 俯瞰ワークショップ報告書
• 中止 決定木とアンサンブル学習の基礎と実践, リーディングDAT講座：L-S, 2020年3月3日, 統計数理研究所.
• The interplay between data-driven and theory-driven methods for chemical sciences, The 1st International Symposium on Human InformatiX, JST ERATO 佐藤ライブ予測制御プロジェクト, 2020年2月27日-28日, 国際電気通信基礎技術研究所(ATR).
• 機械学習による化学反応の予測と設計, 近畿化学協会コンピュータ化学部会 公開講演会（第107回例会）, 2020年1月27日, 大阪科学技術センター.
• 勾配法と機械学習, 「最適化法」第15回(ゲストトーク), 2020年1月24日, 同志社大学
• 機械学習による化学反応の予測と設計, 情報系 Winter Festa Episode 5, 2019年12月25日-26日, 一橋講堂.
• 決定木に基づくアンサンブル学習, リーディングDAT講座：L-B2 機械学習とデータサイエンスの現代的手法, 2019年12月19-20日, 統計数理研究所 大会議室.
• データ社会を生きる技術〜人工知能のHopeとHype〜, 富山県寄附講義, 2019年12月17日, 富山国際大学 東黒牧キャンパス 現代社会学部大講義棟.
• 自然科学研究の道具としての機械学習, 第6回情報科学系セミナー, 2019年12月4日, 北陸先端科学技術大学院大学 情報科学系研究棟.
• Machine Learning and Model-based Optimization for Heterogeneous Catalyst Design and Discovery, The 2nd ICReDD International Symposium - Toward Interdisciplinary Research Guided by Theory and Calculation, 2019年11月27-29日, FMI Hall, Hokkaido University (Sapporo).
• 研究分担者報告・近況報告, 基盤(S) 離散構造処理系プロジェクト 2019年度 秋のワークショップ, 2019年11月4-6日, 支笏湖 丸駒温泉(千歳市).
• 機械学習は真の理解や発見に寄与できるか, 第35回関東CAE懇話会, AI・IoT時代のデータ利活用による理解と発見, 2019年10月4日, 早稲田大学 西早稲田キャンパス.
• 不均一系触媒研究のための機械学習と最適実験計画, ICReDD-CRESTキャリア領域 情報交換シンポジウム, 2019年9月26日, 北海道大学フロンテｲア応用科学研究棟.
• 人工知能の基本問題：これまでとこれから (Special Talk), 人工知能学会 第110回人工知能基本問題研究会(SIG-FPAI), 2019年9月24-25日, カナモトホール(札幌市民ホール). abstract 総説記事(Open Access)
• 不均一系触媒研究のための機械学習と最適実験計画 (Invited Talk), 第80回応用物理学会秋季学術講演会 シンポジウム, インフォマティクスが創る新しい材料科学とその実用化, 2019年9月18日, 北海道大学.
• 研究分担者報告・近況報告, 基盤(S) 離散構造処理系プロジェクト 2019年度 初夏のワークショップ, 2019年6月28-29日, 北海道大学.
• 分子のグラフ表現と機械学習 (Invited Talk), 有機合成化学協会, 「AIと有機合成化学」第三回勉強会, 2019年6月21日, 中央大学駿河台記念館.
• ユーザのための機械学習・深層学習入門 (Keynote Talk), Rinkai Hackathon 2019 with DDBJing, 2019年6月10日-12日, 島根大学生物資源科学部附属生物資源教育研究センター 隠岐臨海実験所.
• 科学と機械学習 (Invited Talk), セミナー, 2019年5月13日, NTTコミュニケーション科学基礎研究所.
• 化学研究のための機械学習と最適実験計画 (Invited talk), 物性研究所スパコン共同利用・CCMS合同研究会「計算物質科学の新展開」, 2019年4月2日-3日, 東京大学 物性研究所 大講義室.
• AAAI 2019@ハワイに行ってみた！, 北大京大合同セミナ集会 兼 基盤(S) 離散構造処理系プロジェクト「短期滞在セミナー週間 (SSSW) 2019.02@Kyoto」, 2019年2月18日-20日, 京都大学情報学研究科 湊研究室.
• Machine Learning and Surrogate Optimization on Heterogeneous Catalysts (Invited talk), 2019 PRESTO International Symposium on Materials Informatics , 2019年2月9日-11日, 東京大学 小柴ホール.
• 決定木・回帰木に基づくアンサンブル学習, 統計数理研究所 リーディングDAT講座, L-B2 機械学習とデータサイエンスの現代的手法, 2018年12月13日-14日, 筑波大学東京キャンパス.
• 化学反応インフォマティクスと機械学習, WPI拠点ミーティング(Closed), 2018年12月4日, 北海道大学医学研究科フラテホール.
• Machine Learning for Chemical Sciences (Invited talk), 2018 International Workshop on New Frontiers in Convergence Science and Technology, Hokkaido University (HU) - Seoul National University (SNU) Joint Symposium, 2018年11月9日, 北海道大学情報科学研究科.
• データ駆動科学と機械学習 (招待講演), 第2回データサイエンス研究会, 2018年9月19日, 岐阜大学工学部.
• 分子のグラフ表現と機械学習 (招待講演), 第79回応用物理学会秋季学術講演会 特別シンポジウム「インフォマティクスへの招待」～機械学習・インフォマティクスは応用物理をどう変えるか？～, 2018年9月18日, 名古屋国際会議場.
• 決定木・回帰木に基づくアンサンブル学習の最近 (招待講演), 電子情報通信学会　スマートインフォメディアシステム研究会 (SIS), 2018年6月7日, 定山渓ビューホテル.
• 機械学習は真の発見に寄与できるのか？ (セッション招待講演), MI2I・JAIST合同シンポジウム（情報統合型物質・材料開発イニシアティブ・北陸先端科学技術大学院大学） データ科学における予測と理解の両立を目指して－分かるとは何か？－, 2018年5月21日, JST東京本部別館1階ホール. (講演アブストラクト)
• Machine learning predictions of factors affecting the activity of heterogeneous metal catalysts (セッション招待講演), "CATL: Machine Learning for Catalysis Research", The 255th ACS (American Chemical Society) National Meeting, New Orleans, LA, March 18-22, 2018.
• 分子のグラフ表現と機械学習 (セッション招待講演), 異分野融合ワークショップ「データ科学との融合による化学の新展開」, 2018年3月13日-14日, 奈良先端科学技術大学院大学.
• Frontiers of data-driven property prediction: molecular machine learning / データ駆動型物性予測の最前線：分子の機械学習の諸相 (セッション招待講演), Innovation Camp 2018 for Computational Materials Science (ICCMS2018), The Jozankei View Hotel, Sapporo, January 23-25, 2018
• Lost in Translation: Struggles in interdisciplinary fields (Night Session) (セッション招待講演), Innovation Camp 2018 for Computational Materials Science (ICCMS2018), The Jozankei View Hotel, Sapporo, January 23-25, 2018
• 見えるものを見るAI 見たいものを見る人間〜機械に「正しく」学習させるには〜 (市民講義) (movie), 第97回サイエンス・カフェ札幌, 2017年10月1日, 紀伊國屋書店札幌本店 1F インナーガーデン.
• グラフデータの機械学習における特徴表現の設計と学習 (セッション招待講演), 日本応用数理学会 2017年度年会, 2017年9月8日, 武蔵野大学有明キャンパス（東京都江東区）.
• データ社会を生きる技術 〜人工知能のHopeとHype〜 (市民講義), 平成遠友夜学校, 2017年8月1日, 北海道大学.
• 合成変量とアンサンブル：回帰森と加法モデルの要点 (招待講演), 電子情報通信学会 信号処理研究会, 2017年6月19日-20日, 新潟大学.
• 機械学習は化学研究の"経験と勘"を合理化できるか？ (セッション招待講演), 第33回ライラックセミナー・第23回若手研究者交流会, 2017年6月10日-11日, おたる自然の村おこばち山荘.
• 道具としての機械学習：直感的概要とその実際 (招待講演), 地球流体データ解析・数値計算ワークショップ, 2017年3月9日, 北海道大学地球環境科学研究院.
• 科学と機械学習のあいだ：変量の設計・変換・選択・交互作用・線形性 (セッション招待講演), 第19回情報論論的学習理理論論ワークショップ (IBIS2016), 2016年11月18日, 京都大学.
• メディエーター複合体による転写伸長制御 (セッション招待講演), 第2回バイオインフォマティクスアゴラ, 2016年7月15日, 東京工業大学.
• 多数のグラフからの統計的機械学習 (深化する機械学習：技術の進展とその応用特集号, システム/制御/情報, Vol 60, No 3, 2016)
• データマイニングとしての多重標的相互作用解析 (日本薬学会 構造活性相関部会・ニュースレター SAR NEWS No.29)
• 多数のグラフからの統計的機械学習 (招待講演) 人工知能学会 第94回人工知能基本問題研究会(SIG-FPAI), 2014年7月24日(木), 根室市総合文化会館.
• KDD2014ベストペーパーの論文紹介 (KDD2014勉強会@北大)
• Takigawa I. Identifying paired substructures significantly shared among interacting structure pairs. 2013 International Workshop on Machine Learning and Applications to Biology (MLAB Sapporo 2013), Sapporo, Japan, August 5-6, 2013.
• Takigawa I. Finding structural patterns shared among interacting molecules (Invited talk). The 3rd International Beilstein Symposium on Glyco-Bioinformatics (Glyco-Bioinformatics2013), Potsdam, Germany, 10-14 June, 2013.
• Takigawa I. Learning sparse linear models over subgraph indicators. Institute Curie, Paris, France, February 19, 2013. (Host: Dr. Jean-Philippe Vert).
• Takigawa I. Learning sparse linear models over subgraph indicators. 2012 International Workshop on Machine Learning and Applications to Biology (MLAB Sapporo 2012), Sapporo, Japan, August 6-7, 2012.
• 創薬・生命科学におけるデータマイニング. JST ERATO湊離散構造処理系プロジェクトセミナー, 平成24年6月8日, 北大工学部C304 ERATOセミナー室.
• Takigawa I. Ranking metabolic pathways based on transcriptional co-regulation of enzyme-coding genes. Systems and Integrative Biology Seminar, Boston University, Boston, USA, June 22, 2010. (Host: Dr. Daniel Segrè).
• Takigawa I. Ranking metabolic pathways based on transcriptional co-regulation of enzyme-coding genes. Boston College, Boston, USA, June 25, 2010. (Host: Dr. Peter Clote)
• Takigawa I. Efficiently finding significant substructural patterns conserved in glycans. Boston University, Boston, USA, June 23, 2010. (Host: Dr. Charles DeLisi)
• Takigawa I, Hashimoto K, Shiga M, Kanehisa M, Mamitsuka H. Mining patterns from glycan structures (Invited talk). The 1st International Beilstein Symposium on Glyco-Bioinformatics (Glyco-Bioinformatics2009), Potsdam, Germany, 4-8 October, 2009.
• Takigawa I. Efficiently finding significant substructural patterns conserved in glycans. Max Planck Institute for Biological Cybernetics, Tübingen, Germany, October 24, 2008. (Host: Dr. Koji Tsuda)

情報

• Machine-learning accelerates catalytic trend spotting (王立化学会 Chemistry World)
• JSTさきがけ・大規模データに基づく電子物性予測のための深層学習技術の創出
  理論・実験・計算科学とデータ科学が連携・融合した先進的マテリアルズインフォマティクスのための基盤技術の構築
• 研究科ニュース(2016/06/16)
  共同研究が英・王立化学会RSC Advancesに掲載され、Chemistry Worldに紹介されました。
• 情報科学研究科・ネットジャーナル４８
  膨大なデータの中から有用な知見を発見する機械学習. 工学以外の分野への応用に貢献する技術開発に期待