教員紹介
専任准教授
安間 文彦ANMA Fumihiko
博士(工学)
人工知能、知的学習支援、機械学習、データマイニング、eラーニング
東京工業大学工学部卒業、静岡大学情報学部修士課程、同工学部理工学研究科博士後期課程修了。その後、電気通信大学大学院情報システム学研究科助教を経て2014年より現職。データマイニング、推薦システムなどの人工知能理論を用いた知的学習支援や次世代eラーニングやソーシャルラーニングに関する研究に興味を持つ。
学生へのメッセージ
担当科目
| データベース論 | データベースは銀行の預金管理や販売店の顧客管理などさまざまな業務アプリケーションで利用されている。近年はインターネットの発展によって文章や音声、画像、映像などの多様なデータがWeb上に蓄積されるようになり、これらを活用するための新しいデータベース技術も開発されている。本科目では業務アプリケーションで中心的な役割を果たしてきたリレーショナルデータベースの基礎理論を学習し、データベース操作言語であるSQL言語の演習を行う。さらに、ビッグデータ時代で用いられる新しいデータベース技術の概要についても学習する。 |
|---|---|
| ソフトウェア工学 | ソフトウェア工学は、大規模ソフトウェアを開発するための方法論を与える。本科目では、ソフトウェア工学の基礎知識および基礎技術の全体を俯瞰するとともに重要項目を詳しく学ぶ。要求分析、設計、プログラミング、テスト、運用・保守といった、ソフトウェア開発プロセスの各フェーズの概要を学ぶ。構造化技法に基づいた分析・設計・プログラミングの技法について学ぶ。オブジェクト指向に基づいた分析・設計の技法およびその基礎となるモデリング言語であるUMLについて学ぶ。ソフトウェア評価手法、コストモデル、形式手法、検証技術、等について学ぶ。 |
| テクノロジーコース ゼミナール | テクノロジーコース（ネットワーク・セキュリティ・ソフトウェア）の教員が提示するテーマの入門的テキスト・専門書・解説論文などを取り上げ輪講を行う。もしくは教員が提示するテーマから各自が異なるテーマを選択し、独自の発想でテーマを追求する。各自が担当する範囲・分野について、予め調査（参考文献の収集など）・学習・まとめを行い、その結果を他のメンバーに資料・スライドなどを使って説明するとともに、全員でディベートを行う。履修者全員が当該分野の技術・理論などについて共通の知識を獲得することが目的である。なお、上記の進め方は典型的なケースで、担当教員のテーマにより他の類似の方法をとることもある。 |
| テクノロジーコース 研究プロジェクトI | テクノロジーコース(ネットワーク・セキュリティ・ソフトウェア)の中から各自が異なるテーマを選択し、独自の発想・進め方でテーマを追及する。テーマは最初に教員が提示する。履修者は提示されたテーマの中から選んでも良いし、教員と相談してそれ以外のテーマを見つけても良い。教員と1対1で議論し,成果物(技術報告書・技術資料など)にまとめる。同時に、他の履修者にレジメ・スライドなどを使い説明し、全員でディベートを行う。調査・学習・まとめを通じ、そのプロセスを重視し、自分に適した方法を会得することが目的である。なお、上記の進め方は典型的なケースで、担当教員のテーマにより他の類似の方法をとることもある。 |
| テクノロジーコース 研究プロジェクトII | テクノロジーコース(ネットワーク・セキュリティ・ソフトウェア)の中から各自が異なるテーマを選択し、独自の発想・進め方でテーマを追及する。原則として「研究プロジェクトⅠ」で選んだテーマを発展させる.教員と1対1で議論し,成果物(論文・プログラムなどの作品・報告書など)にまとめる。最後に成果物を要旨・スライドなどを用いてプレゼンテーションを行い、コース別またはプログラム別の教員による審査を受ける。調査・学習・まとめを通じ、独創性(オリジナリティ)を重視し、結果の有効性を意識しながら成果物を完成させることが目的である。なお、上記の進め方は典型的なケースで、担当教員のテーマにより他の類似の方法をとることもある。 |
| 統計解析とデータマイニング | 現代社会においてはさまざまな履歴(webアクセス、投稿、購買、移動など)が逐一、データとして蓄積されるようになった。多種多様でリアルタイム性の高い大規模データを分析し、ビジネスにおける意思決定や問題解決に活用しようという動きはますます盛んになっている。こうした背景のもと、データ分析を行い未来を予測することができるスキルを持つ人材はデータサイエンティストとして重要視されている。本科目では、データサイエンティストにとって必要とされる知識やスキルのうち、統計解析や各種データマイニング手法、機械学習などの理論を学習する。さらに、高機能な統計解析フリーソフトウェアの「R」を用いたデータ分析手法の実践を通じて簡単なデータ分析ができるスキルを身につけることを目的とする。 |
教員データ
| 研究テーマ | 機械学習、自然言語処理、データマイニング、推薦システムなどの技術を活用して、人間の教育や学習に関する活動を支援するためのシステムの構築を目指しています。近年ではSNSなどのソーシャルメディアから得られる膨大なビッグデータから、機械学習により有用な知識を発見し、人間のさまざまな意思決定や問題解決に役立つツールの開発を中心的な研究テーマとしています。 |
|---|---|
| 所属学会 | 教育システム情報学会，日本教育工学会 |
| 学会・社会活動 | ・2007年 IEEE International Conference on Advanced Learning Technology(ICALT2007) 現地実行委員会委員 |
| 研究活動又は実務経験 | ・2006年～2012年 電気通信大学大学院情報システム学研究科において、人工知能技術を応用した先進的な学習支援に関する研究活動および、修士論文の指導補助。同時に電気通信大学eラーニングセンターにおいて、学内のeラーニングシステムの運用・保守、実践の支援などの実務および、eラーニング実践に関する研究に従事。 |
| 研究業績【著書】 | 1. 人工知能と教育工学 第2章「知識ベースと知識表現・推論」, 第4章「エキスパートシステムと問題解決」 |
| 研究業績【論文】 | 1. 問題領域モデル上でのプログラムの動作説明と可視化を行う学習支援システムの構築とその評価－大小関係世界を対象としたシステムとその評価－ |
| 研究業績【その他】 | 1. An Educational System that Explains the Domain-oriented-explanation of Program's Behaviors |
| 競争的研究資金の採択歴 | 研究代表者 |
| 賞 | 2006年8月 教育システム情報学会論文賞 |
