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:696291@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:20260405T174212Z CREATED:20180912T141236Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/69629 1?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シリーズ\n分野\n前提知識\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直近のシリーズ\n\n 応用数学\n\n\n\n日程\n時間\n講義名\n\n\n\n9/22（土）\n14:00 -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\n9/23（日）\n14:00-19:00\nベイズ推論のための確率 統計アドバンス\n\n\n9/29（土）\n14:00-20:30\n機械学習・デ ィープラーニングのための最適化\n\n\n9/30（日）\n14:00-1 7:30\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しました。\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、『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 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 K KT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\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・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・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 Saito\n\nスキルアップ AI講師。横浜国立大学卒業。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 Learn ingや機械学習、進化計算などの人工知能分野のアルゴ リズム研究開発やコンサルティングに従事。日本ディ ープラーニング協会の2018年度G検定 合格者。\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skill upai.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筆記用具\n\n講座までの準備\n\n【通 信環境に関して】\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領収書\n\n【Paypalでお支払いの場合】\nPay Pal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。 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/696291?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR