BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:ベイズ統計の理論と方法 輪読会@沖縄 第24回
X-WR-CALNAME:ベイズ統計の理論と方法 輪読会@沖縄 第24回
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:708807@techplay.jp
SUMMARY:ベイズ統計の理論と方法 輪読会@沖縄 第24回
DTSTART;TZID=Asia/Tokyo:20181120T083000
DTEND;TZID=Asia/Tokyo:20181120T100000
DTSTAMP:20260405T065436Z
CREATED:20181119T061427Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/70880
 7?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nベイズ統計
 の理論と方法 輪読会について\n毎週火曜日、朝8:30~10:00
 の90分を予定しています。\n1章から読み進めていきま
 すが、8章は各自必要に応じて読むという形にしていま
 す。\n会場にwifi環境は用意できないですが、参考書、
 ノート、筆記用具などが有れば問題ないと思われます
 。\n(勉強会の日程や開始時間は参加希望者の要望に応
 じて変更可能ですので、要望があれば西銘まで連絡お
 願い致します)\n参考書\nベイズ統計の理論と方法 渡辺
 澄夫 著\n過去の輪読会の資料は担当表にある各イベン
 トページから参照可能です。\n参加のためのルール\n\n
 毎回1人の担当者を決め、発表を行う\n黒板ベースで書
 き進めるスタイル\nスライド発表禁止\n補助的にレジュ
 メなどを使用する事は可能だが、その資料をスクリー
 ンに投影しての発表はNG\n\n\n参加者は該当パートを必
 ず読んだ上で 輪読会に参加する\n本を持参しての参加
 が望ましい\n\n\n章末問題、各章の質問と解答は、担当
 者を決めて全員で行う\n輪読会の最後に、次回の発表
 者を決める\n8章初等確率論は各自で読む\n\n担当表\n輪
 読会は、参考書に沿って\, 以下のように進める\n注意: 
 読み進めるために時間が必要な箇所は分割するかもし
 れません\n\n\n\n\n日程\n予定内容\n担当者(敬称略)\n\n\n\n\
 n第1回\n1/9\n1. はじめに1.1 ベイズ推測の定義1.2 考察さ
 れる量1.2.1　分配関数と自由エネルギー\n西銘\n\n\n第2
 回\n1/16\n1.2.2　推測と汎化 1.2.3　計算できる例1.3　さま
 ざまな推測方法1.4　事後分布の例\n西銘大塚\n\n\n第3回\
 n1/23\n1.5　確率モデルの例1.5.1　確率モデルがわかって
 いる場合1.5.2　確率モデルが仮のものである場合1.6　
 本書の概略1.7　一般的注意1.7.1　本書の厳密性につい
 て1.7.2　表記法1.8　質問と回答章末問題\n橋本章末Q1:金
 城章末Q2:西銘章末Q3:大塚\n\n\n第4回\n2/1\n章末問題[3]2.　
 基礎概念2.1　真の分布と確率モデルの関係 (p32まで)\n
 大塚チャブ\n\n\n第5回\n2/6\n2.　基礎概念2.1　真の分布と
 確率モデルの関係\n西銘\n\n\n第6回\n2/13\n2.　基礎概念2.1
 　真の分布と確率モデルの関係 (p37 補題4以降)\n西銘\n\
 n\n第7回\n2/20\n2.2　理論の基礎2.2.1　基礎概念2.2.2　正規
 化された変量\n大塚\n\n\n第8回\n5/15\n2.2.3　キュムラント
 と母関数\n西銘\n\n\n第9回\n5/29\n2.2.3　キュムラントと母
 関数(後半)2.3　ベイズ統計理論の構造2.4　質問と回答
 章末問題\n西銘\n\n\n第10回\n6/5\n2章 章末問題 [2]\n橋本\n\
 n\n第11回\n6/12\n3.　正則理論3.1　基礎数学の公式3.1.1　
 転置行列，トレース，行列式3.1.2　対称行列，固有値
 ，正定値行列3.1.3　積分公式3.1.4　平均値の定理3.2　分
 配関数の挙動3.2.1　準備3.2.2　分配関数の非主要項3.2.3
 　分配関数の主要項\n西銘\n\n\n第12回\n6/19\n3.2　分配関
 数の挙動3.2.1　準備3.2.2　分配関数の非主要項3.2.3　分
 配関数の主要項\n西銘\n\n\n第13回\n7/3\n3.3　スケーリン
 グ3.4　汎化損失と経験損失3.5　事後確率最大化法3.5.1
 　推定量の漸近分布3.5.2　汎化誤差と経験誤差\n西銘\n\
 n\n第14回\n8/7\n3.　正則理論3.1　基礎数学の公式3.1.1　転
 置行列，トレース，行列式3.1.2　対称行列，固有値，
 正定値行列3.1.3　積分公式3.1.4　平均値の定理\n西銘\n\n
 \n第15回\n8/20\n特別回\; 色々と振り返り\n\n\n\n第16回\n8/28
 \n3.2　分配関数の挙動3.2.1　準備3.2.2　分配関数の非主
 要項関数空間上の中心極限定理\n西銘\n\n\n第17回\n9/4\n3.
 2.3　分配関数の主要項自由エネルギーの算出(注意22ま
 で)\n西銘\n\n\n第18回\n10/2\n3.2.3 注意22\, 23\, 補題14\n西銘\
 n\n\n第19回\n10/9\n3.3　スケーリング補題15\, 補題16\n西銘\
 n\n\n第20回\n10/16\n3.3 スケーリング定義17\n西銘\n\n\n第21
 回\n10/23\n3.4　汎化損失と経験損失\n西銘\n\n\n第22回\n10/3
 0\n3.5　事後確率最大化法補題18\, 19\n橋本\n\n\n第23回\n11/
 6\n3.5.2 汎化誤差と経験誤差3.6　サンプルから計算する
 方法3.6.1　自由エネルギー3.6.2　汎化損失と経験損失\n
 橋本大塚\n\n\n\nskip\n3.7　質問と回答章末問題\n\n\n\n第24
 回\n\n4.　一般理論4.1　多様体4.2　標準形4.2.1　特異点
 解消定理4.2.2　標準形\n橋本\n\n\n第n回\n\n4.3　状態密度
 の挙動4.3.1　超関数4.3.2　状態密度関数\n\n\n\n第n回\n\n4.
 4　統計的推測の一般理論4.4.1　分配関数4.4.2　繰り込
 まれた事後分布\n\n\n\n第n回\n\n4.5　相転移4.6　事後確率
 最大化法4.6.1　平均プラグイン法4.6.2　事後確率最大化
 法\n\n\n\n第n回\n\n4.7　質問と回答章末問題\n\n\n\n第n回\n\
 n5.　事後分布の実現5.1　マルコフ連鎖モンテカルロ法5
 .1.1　メトロポリス法5.1.2　ギブス・サンプリング5.1.3
 　ランジュバン方程式を用いる方法5.1.4　自由エネル
 ギーの近似\n\n\n\n第n回\n\n5.2　平均場近似5.2.1　平均場
 近似とは5.2.2　変分ベイズ法\n\n\n\n第n回\n\n5.3　質問と
 回答章末問題\n\n\n\n第n回\n\n6.　ベイズ統計学の諸問題6
 .1　回帰問題6.2　モデルの評価6.2.1　評価の規準6.2.2　
 バイアスとバリアンス6.2.3　偏差情報量規準\n\n\n\n第n
 回\n\n6.3　クロスバリデーション6.4　統計的検定6.4.1　
 べイズ検定6.4.2　ベイズ検定の例\n\n\n\n第n回\n\n6.5　質
 問と回答章末問題\n\n\n\n第n回\n\n7.　ベイズ統計の基礎7
 .1　確率モデルと事前分布がわかっているとき7.2　確
 率モデルあるいは事前分布がわかっていないとき7.3　
 確率モデルと事前分布7.3.1　指数型分布について7.3.2　
 線形回帰モデル7.3.3　構造をもつ確率モデル7.3.4　ハイ
 パーパラメータの最適化7.4　質問と回答章末問題\n\n\n\
 n各自で読む\n\n8.　初等確率論の基礎8.1　確率分布と確
 率変数8.2　平均と分散8.3　同時分布と条件付き確率8.4
 　カルバック・ライブラ情報量8.5　極限定理8.5.1　確
 率変数の収束8.5.2　大数の法則と中心極限定理8.5.3　経
 験過程\n\n\n\n
LOCATION:琉球大学  産学官連携棟 201号室 沖縄県中頭郡西
 原町千原１ (琉球大学産学官連携推進機構)
URL:https://techplay.jp/event/708807?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR
