BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【９月期 応用数学シリーズ】機械学習・ディ ープラーニングのための多変量解析 X-WR-CALNAME:【９月期 応用数学シリーズ】機械学習・ディ ープラーニングのための多変量解析 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:693715@techplay.jp SUMMARY:【９月期 応用数学シリーズ】機械学習・ディープ ラーニングのための多変量解析 DTSTART;TZID=Asia/Tokyo:20180922T140000 DTEND;TZID=Asia/Tokyo:20180922T190000 DTSTAMP:20260422T042854Z CREATED:20180830T222449Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/69371 5?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n講座体系\n\n 機械学習の理解に不可欠な数学の知識に関して、初学 者でも基礎から実践まで体系化に学べるように、基礎 数学シリーズと応用数学シリーズの2シリーズで展開し ています。\n\n\n\n\n シリーズ\n 分野\n 前提知識\n\n\n\n \n 基礎数学シリーズ\n 微分、線形代数、確率統計\n 不要\n\n\n 応用数学シリーズ\n 多変量解析、ベイズ推 論のための確率統計アドバンス、最適化、情報理論\n 基礎数学シリーズの指定の講座修了レベル\n\n\n\n\n直近 のシリーズ\n\n応用数学\n\n\n\n\n 日程\n 時間\n 講義名\ n\n\n\n\n 9/22（土）\n 14:00-19:00\n 機械学習・ディープラ ーニングのための多変量解析\n\n\n 9/23（日）\n 14:00-19: 00\n ベイズ推論のための確率統計アドバンス\n\n\n 9/29 （土）\n 14:00-20:30\n 機械学習・ディープラーニングの ための最適化\n\n\n 9/30（日）\n 14:00-17:30\n 機械学習・ ディープラーニングのための情報理論\n\n\n\n\n\nお得な 応用数学講座セットは、HP からお申し込みを受け付け ております。\nHPからのセットでのお申し込みは、銀行 振込、領収書・請求書・申込書希望にも対応可能です 。\n講座内で全て消化できない方向けに、HPから動画も 購入いただけるようにする予定です。\n\n\n概要\n\nAIに 関するほとんどの書籍や学習コンテンツは、数式を用 いた説明をしており、数学に苦手意識をもつ方にとっ ては、難解な分野だという雰囲気を醸しています。\n\n しかし、AI自体が数式で知能を表現しようという試み であるとも言えるため、数学を学ばずにAIを理解する ことはできません。\n\nスキルアップAIの数学講座は、 前提知識不要レベルの基礎数学講座から、機械学習を 理解するのに直結する応用数学講座まで、豊富なライ ンナップで講座を展開しています。\n\n今回は、機械学 習・ディープラーニングのための「多変量解析」です 。\nたくさんのデータをもとに現象を予測・分析する 技術はディープラーニングだけではありません。その 代表例としてデータ間の関連性を解析する回帰分析や 、データに内在する本質的情報を抽出する主成分分析 などが挙げられます。\n本講座では、基礎的な統計学 からおさらいし、回帰分析・主成分分析の理論をご紹 介します。その後、演習を通じて実践的に手法をご理 解いただきます。\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\n\nデータベクトルと偏差ベクトル \nデータの代表値\n\n　ー 平均\n\n　ー 分散\n\n　ー 標 準偏差\n\n　ー 共分散\n\n　ー 相関係数\n相関係数の幾 何学的意味\n最小二乗法\n線形回帰\n\n　ー 単回帰分析\ n\n　ー 重回帰分析\nロジスティック回帰\n主成分分析\n Pythonでの演習\n\n　ー 線形回帰演習\n\n　ー ロジスティ ック回帰演習\n\n　ー 主成分分析演習\n\n\n＊若干変更 になる場合があります。\n\n対象者（受講にあたっての 前提知識）\n\n「微分」「線形代数」「確率統計Day1\, Da y2」講座を受講もしくは、修了相当の理解をしている こと。\n\n講師\n\nS Mizoguchi\n\n東京大学大学院所属。統 計検定一級所持。ハンズフリー音声通信に適した聴覚 的品質を損なわない音声強調をテーマに、深層学習と 高次統計量分析の観点から、chainer を用いて研究を行 っている。\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.tok yo@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\n\n筆記 用具\n\n【動作環境】\n\nMacOSX 10.9 以上\n\nWindows 7 以上（ 64bit必須）\n\nメモリ8GB以上必須\n\n※8GB未満でも受講し て頂くことは可能ですが、大きなデータを扱う演習の 際に不具合が発生する可能性があります。\n\nメモリ不 足が原因の不具合についてはサポートすることができ ませんので、あらかじめご了承ください。\n\n通信環境 に関して\n\n基本的にはこちらでWi-Fi環境を確保したい と考えておりますが、wifiが使えない日がないとも限ら ないのでwifiは自己責任でお願いいたします。（現在開 講中の講座にて会場にWi-Fi環境が無い場合、ご自身の スマートフォンのデザリングなどで対応されておりま す）\n\n講座までの準備\n\n【環境構築について】\n最新 のAnacondaをインストールし、ブラウザでJupyterNotebookを 表示できる状態まで事前に準備お願い致します。\n\nこ ちらを参考にしてください。\nhttps://goo.gl/FRWrax\n\n※各 自で必ず当日までに環境構築をお願いいたします。\n もし環境構築等でご不明な点等あれば、事前にご連絡 いただければご案内します。\n\n領収書\n\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備考\n\n\n2回目受講枠に関しましては、過去に「機械 学習・ディープラーニングのための多変量解析」を受 講された方のみ、お申し込みが可能です。受講履歴を 確認させていただきます\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.skillu pai.com\n\n講座に関するお問い合わせは、info@skillupai.com までお願いいたします。\n 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/693715?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR