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:682778@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:20260510T093953Z CREATED:20180701T140427Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/68277 8?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n内容概要\n\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\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\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\n講座で得られること\n\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.Vandenber ghe “Convex Optimization\,” Cambridge University Press\, 2004.\n\n英 語版はウェブ上に無料公開されております。\nhttp://stan ford.edu/~boyd/cvxbook/\n\n受付・入場時間\n\n開始の10分前か ら\n\nカリキュラム\n\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\n\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*\n\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*\n\n ３．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\n\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\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対象者\n\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講師\n\nS Akematsu\n\n東 北大学理学部数学科卒業。個人事業を経て、高専向け 学習塾「ナレッジスター」の経営などを行う教育特化 型企業「合同会社Haikara City」を創業。現在、高専教育 、社会人向けIT教育、WEB教育コンテンツの発信等を主 に行う。著書 線形空間論入門� 。現在は、画像解析 システムの研究開発企業に対して、DeepLearningに関する 数理コンサルティング、数学指導なども行う\n\n＊また は、機械学習に精通した他の講師が務めます。\n\n会場 へのアクセス方法\n\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、skillupai.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当日のお 持物\n\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講座までの 準備\n\nなし\n\n領収書\n\n【Paypalでお支払いの場合】\nPa yPal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備考\n\n\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運営団 体\n\nhttps://www.skillupai.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/682778?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR