議論の整理
私の志望理由は、横浜市立大学データサイエンス学部データサイエンス学科で小屋 良祐先生の公式プロフィールに確認できる代数学、K理論、整数論を手がかりに、データを扱う技術の基盤にある数学的構造を学びたいからである。データサイエンスは実社会の課題解決に直結する一方、モデルの意味を理解せずに使えば、結果の妥当性を説明できない。抽象数学を通じて、複雑な対象を構造として捉える力を身につけたい。
問題発見
過去の経験として、探究活動で地域の人口データを分析した際、グラフや回帰式を作ることはできたが、変数の選び方や外れ値の扱いによって結論が大きく変わることに戸惑った。便利なソフトを使えば計算は速いが、数式の前提や構造を理解しなければ、見かけの相関を根拠にしてしまう。データを読む力には、実装力だけでなく、抽象化と論理の訓練が必要だと考えた。
論証
小屋先生の公式プロフィールでは、データサイエンス研究科データサイエンス専攻教授およびデータサイエンス学部データサイエンス学科に所属していることが確認できる。研究キーワードにはK理論、代数学、整数論が示され、研究分野には自然科学一般の代数学が確認できる。データ解析を支える数学的な考え方を、計算手順の暗記ではなく、対象の関係性や不変性を見抜く訓練として学べる点に惹かれる。
解決策or結論or結果
入学後に学びたいことは、線形代数、微積分、確率統計、離散数学、代数学、プログラミングである。ゼミでは、データの背後にある構造を数理的に表現する方法を学び、人口、交通、医療、教育などのデータを分析する際に、どの前提が結論を支えているのかを説明できるようになりたい。高校で人口データを扱った経験を発展させ、可視化や予測だけでなく、変数間の関係を抽象化して比較する力を養う。将来像は、自治体や公共性の高い企業で、データ分析の結果を政策や事業判断に結びつける仕事に関わることだ。
解決策or結論or結果の吟味
この志望では、抽象数学を学べば現実の課題が自動的に解けると考えないことが重要である。実社会のデータには欠測、偏り、測定方法の違いがあり、数理モデルだけでは扱いきれない文脈もある。一方で、現場感覚だけに頼ると、再現性のない判断になりやすい。小屋先生の研究内容を手がかりに、数学的な厳密さと現実データの制約を往復し、根拠を説明できるデータサイエンスを学びたい。
字数: 994字
