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#4
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#4
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:865594@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#4
DTSTART;TZID=Asia/Tokyo:20220722T193000
DTEND;TZID=Asia/Tokyo:20220722T203000
DTSTAMP:20260508T130527Z
CREATED:20220709T061900Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/86559
 4?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n次回は、2-3
 章～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『Pyt
 hon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 Colab
 oratory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/product?item=000036
 5913）\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、NumPy
 ro、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\n5.1 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Slack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.facebook.com/solei
 ldatadojo/
LOCATION:オンライン開催
URL:https://techplay.jp/event/865594?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR