BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:機械学習・ディープラーニングのための最適
 化基礎
X-WR-CALNAME:機械学習・ディープラーニングのための最適
 化基礎
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:682767@techplay.jp
SUMMARY:機械学習・ディープラーニングのための最適化基
 礎
DTSTART;TZID=Asia/Tokyo:20180721T140000
DTEND;TZID=Asia/Tokyo:20180721T190000
DTSTAMP:20260510T031146Z
CREATED:20180701T140252Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/68276
 7?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n内容概要\n
 多くの機械学習手法はライブラリ化され、データを与
 えれば比較的容易に人工知能を実現できるようになっ
 ています。\n一方で、そのライブラリ化された手法の
 パラメータの意味は「その手法の理論・数式」がわか
 っていなければ、適切に扱うことができません。ライ
 ブラリを自在に扱うためには、「ライブラリが裏でや
 ってくれる計算・理論」を理解しておくことが重要に
 なってきます。\n今回は、『最適化』を取り上げます
 。ディープラーニングをはじめとする多くの機械学習
 手法は、最適化問題と呼ばれる問題を解けば良いこと
 が知られております（機械学習はなんらかの関数を定
 義して、それを最適化することがほとんどです）。そ
 のため最適化問題の理論を理解できれば、機械学習の
 様々な理論を効果的に習得することに繋がります。\n
 本講座では特に、回帰分析やサポートベクタマシンの
 学習などで現れる「凸最適化理論」に焦点を当て、解
 説いたします。計5時間の講座の中で、演習問題を交え
 ながら凸最適化の理論を解説し、機械学習のより一層
 の理解を目指します。\n講座で得られること\n回帰分析
 やサポートベクタマシン、ディープラーニングの学習
 で現れる最適化問題を解説いたします。より具体的に
 は凸最適化理論の世界的名著[1] の 2~6 章を機械学習に
 関連させて解説いたします。\n[1] S.Boyd and L.Vandenberghe 
 “Convex Optimization\,” Cambridge University Press\, 2004.\n英語版
 はウェブ上に無料公開されております。\nhttp://stanford.e
 du/~boyd/cvxbook/\n受付・入場時間\n開始の10分前から\nカリ
 キュラム\n０．導入\n    凸最適化とは\n    機械学習で
 の最適化問題の例\n    最適化問題とその用語\n    凸集
 合・凸関数\n    凸最適化問題\n１．最小二乗法（回帰
 直線を例に）\n    目的関数の導出\n    正規方程式\n    
 最小二乗法の幾何学的意味*\n    最小二乗法の数値計算
 法*\n２．凸２次計画問題（サポートベクタマシンを例
 に）\n    目的関数・制約条件の導出\n    ラグランジュ
 関数\n    KKT条件\n    サポートベクタマシンの性質の考
 察*\n    双対理論*\n３．正則化（Lassoを例に）\n    元々
 のモチベーション\n    l0/l1\, l2正則化\n４．計算法（勾
 配法）\n    勾配法の導出\n    確率的勾配降下法\n    ニ
 ューラルネットワークの学習（凸でない最適化問題へ
 の応用）\n*は時間の都合上、割愛させていただく可能
 性があります。\n\n\n\n対象者\n・微分や行列を計算し、
 機械学習の手法をより理解したい方\n・ライブラリの
 パラメータの意味を理論的に理解したい方\n\n\n\n前提
 知識\n・スキルアップAIの講座「微分」・「線形代数」
 を受講していること。\n・もしくは、修了相当の知識
 を有していること（カリキュラムの項目を見てご確認
 ください。https://www.skillupai.com/math）\n\n\n\n講師\nS Saito\n
 横浜国立大学大学院在籍．高専時代に画像認識に対し
 て興味を持ったことがきっかけで，現在ではDeep Learning
 や機械学習，進化計算などの人工知能分野のアルゴリ
 ズム研究開発に従事．日本ディープラーニング協会の2
 018年度G検定 合格者\n\n\n\n会場へのアクセス方法\n週末
 はビル正面玄関が閉まっているため、開始10分前より
 随時内側から開錠いたします。\nビル正面玄関前でお
 待ちいただきますようお願い致します。\nhttps://imgur.com
 /a/XteLG\n\n遅刻される方は、入り口に着かれましたら、s
 killupai.tokyo@gmail.comまでご連絡ください。\nスタッフが
 お迎えに行きます。\n\nビル館内では飲食物の購入はで
 きませんので、飲食物は事前に購入の上、ご来場くだ
 さい。\n\n講座中（休憩時間など）にビル外に外出され
 る際は、スタッフまでお声がけください。\nまた携帯
 をご持参頂き、お戻りの時間をskillupai.tokyo@gmail.comまで
 ご連絡ください。\nビル正面玄関へ、スタッフがお迎
 えに上がります。\n\n\n\n当日のお持物\nご自身のノート
 PC（あると資料を眺めながら受講いただけます）\n筆記
 用具・紙5枚程度\n\n\n\n講座までの準備\nなし\n\n\n\n領収
 書\n【Paypalでお支払いの場合】\nPayPal発行の受領書が領
 収書となります。\n受領書ページは、PayPalの支払い完
 了ページで「印刷用受領書を見る」をクリックすると
 表示されます。\n（当社よりの重複しての領収書発行
 は行えません)\n\n\n\n備考\n* 長時間ですので、ところど
 ころ休憩を挟みます\n* 勉強会内容を撮影もしくは録音
 することは、ご遠慮ください\n* 個人ブログへの記述に
 ついては、良識の範囲内でお願いいたします\n* 講義コ
 ンテンツは全てスキルアップAIに帰属していますので
 、複製はご遠慮ください\n\n\n\n運営団体\nhttps://www.skillu
 pai.com
LOCATION:スキルアップ・ビデオテクノロジーズ株式会社 BF
 1スタジオ 東京都渋谷区桜丘町9番8号 KN渋谷3ビル
URL:https://techplay.jp/event/682767?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR