研究者
J-GLOBAL ID:202301020600087931
更新日: 2024年11月14日
中村 知繁
ナカムラ トモシゲ | Nakamura Tomoshige
この研究者にコンタクトする
直接研究者へメールで問い合わせることができます。
所属機関・部署:
順天堂大学 健康データサイエンス学部
順天堂大学 健康データサイエンス学部 について
「順天堂大学 健康データサイエンス学部」ですべてを検索
職名:
助教
研究分野 (3件):
応用数学、統計数学
, 統計科学
, 経済統計
研究キーワード (6件):
深層学習
, 反実仮想機械学習
, 統計的機械学習
, 統計的因果推論
, ノンパラメトリック回帰
, 生成AIの応用
競争的資金等の研究課題 (2件):
2024 - 2028 統計的因果推論における樹木モデルのアンサンブル手法に対する変数重要度の提案
2021 - 2026 ネイマン直交性を用いた機械学習と統計的推論を併用した推定理論の時系列解析への応用
論文 (4件):
Hiroshi Shiraishi, Tomoshige Nakamura, Ryotato Shibuki. Time Series Quantile Regression Using Random Forests. Journal of Time Series Analysis. 2024
中村知繁. 層別化法と共変量釣り合い法による頑健な因果効果の推定. 2021
Tomoshige Nakamura, Mihoko Minami. Causal Subclassification Tree Algorithm and Robust Causal Effect Estimation via Subclassification. 2020. 10. 1
中村知繁, 南美穂子. Covariate Balancing Propensity Score を用いた, スクイズ作戦の有効性の解析. 統計数理. 2017. 65. 2. 185-200
書籍 (2件):
画像診断2024年7月号 Vol.44 No.8
Gakken 2024 ISBN:4055200684
特集因果推論 : 実世界のデータから因果を読む
岩波書店 2016 ISBN:9784007102141
講演・口頭発表等 (27件):
AIを用いた論文執筆の現状と問題点
(第33回日本形成外科学会基礎学術集会 2024)
AIの数理とデータサイエンスが拓く新しい医療の未来 〜画像診断へのインパクト〜
(SIGNA MR 40th Anniversary Event 2024)
Sufficient dimension reductionを用いた一般化ランダムフォレストの改良
(2024年度統計関連学会連合大会 2024)
一般化ランダムフォレストと次元削減法
(統計科学セミナー(慶應義塾大学) 2024)
AIの数理と健康・医療分野への応用
(順天堂大学健康データサイエンス学部/大学院医学研究科データサイエンスコース合同シンポジウム 2024)
もっと見る
学歴 (4件):
2016 - 2021 慶應義塾大学大学院 理工学研究科 基礎理工学専攻数理科学専修
2014 - 2016 慶應義塾大学大学院 理工学研究科 基礎理工学専攻, 数理科学専修
2009 - 2014 慶應義塾大学 理工学部 数理科学科
2006 - 2009 近畿大学附属和歌山高等学校
経歴 (5件):
2024/07 - 現在 順天堂大学 大学院医学研究科 データサイエンスコース 助教
2024/04 - 現在 慶應義塾大学 理工学部 数理科学科 訪問助教
2023/04 - 現在 順天堂大学 健康データサイエンス学部 助教
2023/04 - 2024/03 慶應義塾大学 理工学部 訪問研究員
2021/03 - 2023/03 慶應義塾大学 理工学部 研究員
受賞 (3件):
2024/03 - 順天堂大学 ベストチューター賞(佐藤・小川賞) 順天堂大学健康データサイエンス学部における教育、研究等への貢献
2018/11 - 日本数学会 数学・数理科学専攻若手研究者のための異分野・異業種交流研究会ベストポスター発表 因果推論の枠組みを用いた野球におけるスクイズ作戦の有効性の解析
2016/02 - 慶應義塾大学理工学部数理科学科 数理科学奨励賞 回帰代入したマルチソースデータに対する回帰パラメータ推定量の性質
所属学会 (4件):
応用統計学会
, 日本統計学会
, 日本計量生物学会
, アメリカ統計学会
※ J-GLOBALの研究者情報は、
researchmap
の登録情報に基づき表示しています。 登録・更新については、
こちら
をご覧ください。
前のページに戻る
TOP
BOTTOM