BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【開催検討中】理論から理解する機械学習 feat
 .PRML #5
X-WR-CALNAME:【開催検討中】理論から理解する機械学習 feat
 .PRML #5
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:767162@techplay.jp
SUMMARY:【開催検討中】理論から理解する機械学習 feat.PRML
  #5
DTSTART;TZID=Asia/Tokyo:20200307T123000
DTEND;TZID=Asia/Tokyo:20200307T150000
DTSTAMP:20260404T080658Z
CREATED:20200114T142304Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/76716
 2?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n開催検討中
 のイベントになります\n国内外での新型コロナウイル
 スへの感染が拡大する状況を鑑みて、  \n【第3回dev_data
 勉強会】及び以降の勉強会開催につきましては、開催
 を検討しております。\n皆様の安全と健康を第一に考
 えた上、今後の開催につきましては１週間以内にご連
 絡を差し上げます。  \n何卒ご理解の程、お願い申し上
 げます。 \n講座の概要\n「パターン認識と機械学習 (PRM
 L)」 （丸善出版 C.M.ビショップ ）を参考にしながら、
 線形回帰や線形判別モデル など機械学習の基礎的な項
 目を学習します。\nこれまでPlayGroundのメンバーで開催
 してきた講座を、このたび一般公開することにしまし
 た。\nPlayGroundについて\n機械学習に興味があり時間的
 にも都合の良い方、お気軽にご参加いただければと思
 います！\n対象者\n学生、社会人問わずPRMLをこれから
 始める人、挫折した経験のある人\n（cannpassからの参加
 者以外にPlayGroundに所属する学生も参加します。）\n今
 回の内容\n\n\n\n\n内容\n\n\n\n\n5. 識別関数による分類(1)\n
 4章導入  4.1 識別関数(2クラス、多クラス、分類におけ
 る最小二乗、フィッシャーの 線形判別)\n\n\n\n講座計画
 \n\n\n\n\n内容\n\n\n\n\n1. 回帰(1)\n3章導入  3.1 線形基底関
 数モデル(最尤推定と最小二乗法、逐次学習、正則化最
 小二乗法)\n\n\n2. 回帰(2)\n3.1 線形基底関数モデル(出力
 が多次元の場合)  3.3 ベイズ線形回帰(パラメータの分
 布、予測分布)\n\n\n3. 回帰(ベイズ)(1)\n3.3 ベイズ線形回
 帰(等価カーネル)  3.4 ベイズモデル比較\n\n\n4. 回帰(ベ
 イズ)(2)\n3.5 エビデンス近似(エビデンス関数の評価、
 エビデンス関数の最大化、有効パラメータ数)\n\n\n5. 識
 別関数による分類(1)\n4章導入  4.1 識別関数(2クラス、
 多クラス、分類における最小二乗、フィッシャーの 線
 形判別)\n\n\n6. 識別関数による分類(2)\n4.1 識別関数(最
 小二乗との関連、多クラスにおけるフィッシャーの判
 別、パーセプト ロンアルゴリズム)\n\n\n7. 生成モデル
 による分類\n4.2 確率的生成モデル(連続値入力、最尤解
 、離散特徴、指数分布族)  4.3 確率的識別 モデル(固定
 基底関数)\n\n\n8. 識別モデルによる分類\n4.3 確率的識別
 モデル(ロジスティック回帰、反復重み付け最小二乗、
 多クラスロジスティック回帰、プロビット回帰、正準
 連結関数)\n\n\n9. 識別モデルによる分類(ベイズ)\n4.4 ラ
 プラス近似(モデルの比較とBIC)  4.5 ベイズロジスティ
 ック回帰(ラプラス近似、予測分布)\n\n\n10. ニューラル
 ネットワークのモデル\n5章導入  5.1 フィードフォワー
 ドネットワーク関数(重み空間対称性)\n\n\n11. ニューラ
 ルネットワークの訓練\n5.2 ネットワーク訓練(パラメー
 タ最適化、局所二次近似、勾配情報の利用、勾配降下
 最適化)\n\n\n12. ニューラルネットワークの訓練と正則
 化\n5.3 誤差逆伝播(誤差関数微分の評価、単純な例、逆
 伝播の効率、ヤコビ行列)  5.5 ニューラルネットワーク
 の正則化(無矛盾なガウス分布)\n\n\n13. ニューラルネッ
 トワークの正規化\n5.5 ニューラルネットワークの正則
 化(早期終了、不変性、接線伝播法、変換されたデータ
 を用いた訓練、たたみ込みニューラルネットワーク、
 ソフト重み共有)\n\n\n14. ニューラルネットワーク(ベイ
 ズ)\n5.6 混合密度ネットワーク  5.7 ベイズニューラルネ
 ットワーク(パラメータの事後分布、超パラメータの最
 適化、クラス分類のためのベイズニューラルネットワ
 ーク)\n\n\n\n日時\n日時：2020年3月7日(土) 12:30-14:30\n開場
 ：12:15  \n※毎週土曜日(ゴールデンウィークを除く) 全1
 4回を予定しています。\n会場\n東京理科大学 オープン
 カレッジ MAP\n住所：東京都千代田区飯田橋4-10-1 セント
 ラルプラザ2階\n最寄駅： JR 「飯田橋」 東口 / 西口 徒
 歩1分\n　　　    　東京メトロ「飯田橋」Ｂ2ｂ/Ｂ5 徒
 歩1分\nあると好ましいもの\n「パターン認識と機械学
 習」 丸善出版 C.M.ビショップ  \n\n英語版pdf  \n日本語版
  (amazon)\n\n注意・免責事項（必読）\n懇親会等は用意し
 ておりません。食事等も用意しません。会場に自販機
 があります。\nご来社の際はconnpassの受付票と、(社会
 人の方は)名刺のご提示をお願いいたします。
LOCATION:東京理科大学オープンカレッジ 東京都千代田区
 飯田橋4-10-1 セントラルプラザ2階
URL:https://techplay.jp/event/767162?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR