BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【オンライン開催】『Pythonではじめるベイズ
 機械学習入門』読書会#2
X-WR-CALNAME:【オンライン開催】『Pythonではじめるベイズ
 機械学習入門』読書会#2
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:862052@techplay.jp
SUMMARY:【オンライン開催】『Pythonではじめるベイズ機械
 学習入門』読書会#2
DTSTART;TZID=Asia/Tokyo:20220624T193000
DTEND;TZID=Asia/Tokyo:20220624T203000
DTSTAMP:20260511T101042Z
CREATED:20220610T142003Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/86205
 2?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n次回は、第1
 章-4を取り上げます。\n開催趣旨\n本勉強会では、ベイ
 ズ機械学習について理解を深めることを目的とし、下
 記の本を一章ずつ取り上げていく予定です。事前に予
 習し、コードを一通り動かしてから参加されることを
 オススメします。参加者同士の質問・意見交換やディ
 スカッションをメインに進めていく予定です。  \n『Ｐ
 ｙｔｈｏｎではじめるベイズ機械学習入門』（\n著：
 森賀　新　著：木田　悠歩　著：須山　敦志\, 講談社
 ）    \n※ 書籍はご自身で入手のうえ、ご参加ください
 。  \n参加対象者\n\nベイズ機械学習手法の理解・Python
 による実装力を高め、業務や研究に活用した社会人・
 学生・研究者の方  \nPythonの基礎的な文法やJupter Notebook
 、Google Colaboratoryの基本的な使い方を習得されている方
 \n\n参加方法\nConnpassの「参加者への情報」に記載のzoom
 リンクよりご参加ください。  \n勉強会の進め方\n\nそ
 の日に取り扱う章を前もって各自ご自身で読み進めて
 おいてください。  \n勉強会では、皆で書籍の内容を確
 認しながら、必要に応じてGoogle Colaboratory等で実際にコ
 ードを動かしていきます。  \nポイントごとに立ち止ま
 って疑問点をぶつけ合い、意見交換し、理解を深めて
 いければと思います。  \n\n※ 一人が資料準備してきて
 一方的にレクチャーする形式ではなく、参加者同士イ
 ンタラクティブにディスカッションしながら進めてい
 きます。\n書籍の紹介文（https://bookclub.kodansha.co.jp/produc
 t?item=0000365913）\n★確率的プログラミング言語がすぐに
 使える！★\n・Pythonでのコーディングを前提に、PyMC3、
 Pyro、NumPyro、TFP、GPyTorchをカバー。\n・回帰モデルの基
 本から潜在変数モデル・深層学習モデルまでを幅広く
 解説。  \n【主な内容】\n第1章　ベイジアンモデリング
 とは\n1.1 データ解析とコンピュータ\n1.2 ベイジアンモ
 デリングの基礎\n1.3 代表的な確率分布\n1.4 近似推論手
 法  \n第2章　確率的プログラミング言語（PPL）\n2.1 ベ
 イジアンモデリングとPPL\n2.2 自動微分・最適化アルゴ
 リズム\n2.3 PyMC3の概要\n2.4 Pyroの概要\n2.5 NumPyroの概要\n2
 .6 TensorFlow Probabilityの概要\n2.7 GPyTorchの概要  \n第3章　
 回帰モデル\n3.1 線形回帰モデル：線形単回帰モデル\n3.
 2 線形回帰モデル：線形重回帰モデル\n3.3 一般化線形
 モデル：ポアソン回帰モデル\n3.4 一般化線形モデル：
 ロジスティック回帰モデル\n3.5 階層ベイズモデル\n3.6 
 ガウス過程回帰モデル：ガウス尤度\n3.7 ガウス過程回
 帰モデル：尤度の一般化  \n第4章　潜在変数モデル\n4.1
  混合ガウスモデル\n4.2 行列分解モデル\n4.3 状態空間モ
 デル\n4.4 隠れマルコフモデル\n4.5 トピックモデル\n4.6 
 ガウス過程潜在変数モデル  \n第5章　深層学習モデル\n
 5.1 ニューラルネットワーク回帰モデル\n5.2 変分自己符
 号化器\n5.3 PixelCNN\n5.4 深層ガウス過程\n5.5 正規化流  \n
 参加者同士の質問・情報交換\nScribble Osaka Lab（SOL）のSl
 ackワークスペースで、参加者同士の質問・情報共有用
 チャンネルを設けております。参加ご希望の方は、申
 込みフォームで招待メール送り先のEmailアドレスをお
 教えください。\nその他\nソレイユデータ道場について
 は、公式HPやFacebookページをご参照ください。\n公式HP
 ：https://soleildatadojo.com/  \nFacebookページ：https://www.faceboo
 k.com/soleildatadojo/
LOCATION:オンライン開催
URL:https://techplay.jp/event/862052?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR