Teaching（担当講義と学生指導の記録）
講義
教養教育科目における数学と統計学を主に担当しています．専門科目としては，総合科学部のデータ解析入門の講義を担当しています．データ解析の講義では，データ分析の方法論と統計ソフトウェアRを用いた演習を行います．講義内ではグループワークも実施し，配布されたデータをグループに分かれて分析し，結果の発表を行います．大学院の講義（先進理工系科学研究科数学プログラム）も行うことがあります．その際は，ベイズ統計学の基礎事項または発展事項を扱うことが多いです．
2026年度
広島大学
- 前期 (第１ターム)：微分積分学I (総合科学部，一変数の微積分)，総合数理基礎講義A（大学院先進理工系科学研究科数学プログラム，ベイズ統計入門）
- 前期（第２ターム）数学概論（大学院先進理工系科学研究科のオムニバス講座，X回分担当「スタインのパラドクス」）
- 後期 (第３ターム)：数学の世界 (全学教養，数理統計学の基礎)
- 後期 (第４ターム)：データ解析序説 (総合科学部)
過去の担当授業（卒業論文・修士論文・博士論文の指導に関する科目は除いたもの）
2025年度
広島大学
- 前期 (第１ターム)：微分積分学I (総合科学部)
- 後期 (第３ターム)：数学の世界 (全学教養)
- 後期 (第４ターム)：データ解析序説 (総合科学部)
2024年度
広島大学
- 前期 (第１ターム)：微分積分学I (総合科学部)
- 後期 (第３ターム)：数学の世界 (全学教養)
- 後期 (第４ターム)：データ解析序説 (総合科学部)
2023年度
広島大学
- 前期 (第１ターム)：微分積分学I (総合科学部)
- 前期 (第２ターム)：総合数理基礎講義C (大学院先進理工系科学研究科，ベイズ統計入門)，数学概論（大学院先進理工系科学研究科のオムニバス講座，3回分担当「ベイズ分析入門」）
- 後期 (第３ターム)：数学の世界 (全学教養)
- 後期 (第４ターム)：データ解析序説 (総合科学部)
2022年度
広島大学
- 前期 (第１ターム)：微分積分学I (総合科学部，オンライン同時双方向)
- 後期 (第３ターム)：数学の世界 (全学教養)，微分積分学II (教育学部)
- 後期 (第４ターム)：データ解析序説 (総合科学部)
2021年度
広島大学
- 前期 (第１ターム)：教養ゼミ (総合科学部，対面・オンライン併用)，微分積分学I (総合科学部，対面・オンライン併用)
- 後期 (第３ターム)：数学の世界 (全学教養，オンライン同時双方向)，線形代数学II (工学部，オンライン同時双方向)
- 後期 (第４ターム)：データ解析序説 (総合科学部，対面・オンライン併用)
2020年度
広島大学
- 前期 (第１ターム)：データ解析序説(総合科学部，オンデマンドで実施)，微分積分学I (工学部，オンデマンドで実施)
- 前期 (第２ターム)：統計的検定 (情報科学部，オンデマンドで実施)
- 後期 (第３ターム)：数学の世界 (全学教養，オンライン同時双方向で実施)，線形代数学II (工学部，オンライン同時双方向で実施)
2019年度
広島大学
- 前期 (第１ターム)：データ解析序説 (総合科学部)，線形代数学I (工学部)
- 前期 (第２ターム)：微分積分学I (工学部)
- 後期 (第３ターム)：微分積分学II (総合科学部)，微分積分学II (教育学部数学)
- 後期 (第４ターム)：総合数理特論B (大学院理学研究科，ベイズ統計入門)
2018年度
広島大学理学部数学科
- 前期 (第２ターム)：解析学I演習
- 後期 (第４ターム)：解析学IV演習
2017年度
広島大学理学部数学科
- 前期：解析学I演習
- 後期：解析学II演習，解析学IV演習
2016年度
広島大学理学部数学科
- 前期：確率統計A演習，解析学I演習
- 後期：解析学II演習
卒業論文・修士論文・博士論文の指導（学士：19名，修士：6名，博士：1名，2026年3月現在累計）
学部の卒業研究では，数理統計学の基礎（確率分布〜推測理論の基礎くらいまで）を固めたのちに個別に興味のあるテーマを研究します．データ分析のみに関心がある人でも方法論はきちんと勉強してもらいます．特に，大学院進学希望者は「標準ベイズ統計学」（朝倉書店）などを用いてベイズ統計学の基礎の勉強もおこなうとよいです．大学院生は，主にベイズ統計学に関連する理論・方法論・応用に関する研究を行います．修士課程は初年度にテキスト等を使った輪読を行い，二年目から論文等を読みます．勉強した中から，研究につながりそうなテーマを選択し，修士論文の作成を行います．博士課程は論文作成と学会等での研究発表を行います．他大学の院生や教員との共同セミナーなども積極的に行っています．
修士課程のセミナーでは過去に以下のようなテキストを使用しました．
- Banerjee, S., Carlin, B. P. and Gelfand, A. E. (2014). Hierarchical Modeling and Analysis for Spatial Data (Second Edition). CRC Press.
- Ghosal, S. and van der Vaart, A. (2017). Fundamentals of Nonparametric Bayesian Inference. Cambridge University Press.
- Hoff, P. D. (2009). A First Course in Bayesian Statistical Methods. Springer.
- West, M. and Harrison, J. (1997). Bayesian Forecasting and Dynamic Models. Springer.
過去の学生
2025年度
- （卒業論文）容量制約付き最適輸送問題へのFermi-Dirac エントロピー正則化とアルゴリズムの提案および検証（広島大学総合科学部岡本賞受賞）
- （卒業論文）極値統計学の基礎理論
- （修士論文）多変量空間小地域推定におけるランダム効果のモデリングのための縮小事前分布とその応用
2024年度
- （卒業論文）動的線形モデルを用いた最低賃金のデータ分析
- （卒業論文）回帰分析を用いたプロ野球選手の年俸の予測について
- （修士論文）Variance changepoint detection using stochastic volatility models with dynamic shrinkage processes
- （博士論文）Locally Adaptive Bayesian Smoothing using Shrinkage Priors（令和6年度秋季学生表彰受賞者）
2023年度
- （卒業論文）回帰モデルを用いたプロ野球選手の成績推移の統計解析
- （卒業論文）空間回帰モデルを用いた地域データの統計モデリングとその応用
- （修士論文）ノンパラメトリックベイズ法を用いたネットワークデータのコミュニティ検出
2022年度
- （卒業論文）マーケティングデータに対するパネルデータ分析
- （卒業論文）拡張されたBradley-Terryモデルを用いたラグビーのデータ解析
- （卒業論文）様々なレイティング手法について
- （修士論文）リッジロジスティック回帰の為のバイアス補正GIC
2021年度
- （卒業論文）ボラティリティ変動モデルのベイズ推定とその応用
- （卒業論文）マルコフ連鎖モンテカルロ法の理論と方法について
- （卒業論文）離散型指数分布族に対する予測域の構成とその応用
- （修士論文）グラフ上のデータに対する分位点のベイズ的平滑化について
- （修士論文）Approximate Gibbs sampler for Bayesian Huberized lasso
2020年度
- （卒業論文）多重比較を用いた大規模仮説検定
- （卒業論文）極値統計学の基礎理論とその応用
- （卒業論文）Bradley-Terry モデルを用いた野球チームの強さの推定
2019年度
2018年度
2017年度
- （卒業論文）メトロポリス・ヘイスティングス法とその拡張
2016年度
- （卒業論文）ロジスティック回帰モデルとシミュレーションを用いたプロ野球データの解析