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最適化 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最適化 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:694626@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最適化 DTSTART;TZID=Asia/Tokyo:20180929T140000 DTEND;TZID=Asia/Tokyo:20180929T203000 DTSTAMP:20260421T045838Z CREATED:20180903T191934Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/69462 6?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予定しております。\n\n\n概要\n\n AI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、『 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\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\n\n１．最小二乗法（回帰直線を例に）\n\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\n\n２．凸２次計画問題（サポー トベクタマシンを例に）\n\n目的関数・制約条件の導出 \nラグランジュ関数\nKKT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\n３．正則化（Lassoを例に）\ n\n元々のモチベーション\nl0/l1\, l2正則化\n\n\n４．計算 法（勾配法）\n\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\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前提知識\n\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\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\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\nD Maruo\n\n東 京大学大学院情報理工学系研究科電子情報学専攻修了 。量子力学が専門。量子力学の数値シミュレーション の結果を解釈するうちに、データ分析に興味を持った ため、データ分析の道を歩むことに。
現在LINE株式会 社にてデータ分析業務に従事。好きなデータは時系列 。嫌いなデータはクライアントログ。\n最近は、テー ブルデータおよび画像データへのディープラーニング の適用に取り組んでいる。\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://img ur.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\n\n筆記用具\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、wi fi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W i-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\ nAnaconda3-5.0.1以上のインストールをいただき、ブラウザ でJupyterが表示できている状態まで事前に準備お願い致 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、Pa yPal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 グのための最適化」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.skillupai.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/694626?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR