総合電機メーカーにて研究・開発に従事したのち、現職。

データサイエンス、機械学習、人工知能（AI）

Introduction to Data Science A/データサイエンス概論A

Introduction to Data Science B/データサイエンス概論B

Introduction to Artificial Intelligence/人工知能概論

情報洪水や情報爆発という言葉で表現されるように我々の身のまわりはデータや情報であふれており、インターネットやIoT（Internet of Things）の普及でその傾向はさらに加速しています。また、ここ数年の間の機械学習やAI（Artificial Intelligence）の技術的な発展は著しく、好む・好まないに関わらず社会全体が急速に変容している現実があります。学生の皆さんには、データサイエンスの知識やスキルを身に付けることで、よりよい世界の実現に向けて積極的に関わって頂くことを望みます。

人間が人間らしさを失わずにAIと協調・共存していける未来の実現に関心があります。それには、技術的な側面だけでなく、人文科学的な側面からのアプローチも重要になると考えています。

• 予測精度と解釈可能性を両立した機械学習モデルの構築
• 因果推論に基づく介入や反実仮想
• 人間と機械学習・AIが協調・共存できる枠組みの提案

人間と機械学習・AIの協調・共存に向けて、人間が人間らしさを失わないままその苦手な領域をAIがカバーしてくれて、かつ、AIの苦手な領域を人間がカバーできるような相補的な関係を構築したいと考えています。そのためには、AIの挙動をわかりやすく説明するための技術、”説明可能AI”（Explainable AI：XAI）が重要です。現在、予測性と説明性を両立した新しい汎用ホワイトボックスモデルを構築し、説明責任が求められる領域での予測や説明可能AIに応用しようとしています。また、因果推論に基づく介入や反実仮想は、実世界での経験をもたないAI単独では実現が難しく、人間とAIの協調が必要となる重要な領域です。

• Mori, T., & Uchihira, N. (2019). Balancing the trade-off between accuracy and interpretability in software defect prediction. Empirical Software Engineering, 24(2), 779-825.
• Mori, T., & Uchihira, N. (2021). Machine-in-the-Loop Process in Project Risk Management. In The 16th International Conference on Knowledge, Information and Creativity Support Systems (KICSS2021).
• Mori, T. (2015). Superposed naive bayes for accurate and interpretable prediction. In 2015 IEEE 14th International Conference on Machine Learning and Applications (ICMLA) (pp. 1228-1233). IEEE.
• Mori, T., Tamura, S., & Kakui, S. (2013). Incremental estimation of project failure risk with Naive Bayes classifier. In 2013 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (pp. 283-286). IEEE.
• 森俊樹, & 内平直志. (2019). プロジェクトとプログラムのリスクマネジメントにおける機械学習と知識創造の統合アプローチ Machine-in-the-loop (機械参加型) 知識創造プロセスの提案. 国際 P2M 学会誌, 14(1), 415-435.

データサイエンス、機械学習、人工知能（AI）、ソフトウェアエンジニアリング、プロジェクトマネジメント