BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:Machine Learning A Probabilistic Perspective輪読会#50 X-WR-CALNAME:Machine Learning A Probabilistic Perspective輪読会#50 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:914120@techplay.jp SUMMARY:Machine Learning A Probabilistic Perspective輪読会#50 DTSTART;TZID=Asia/Tokyo:20230820T160000 DTEND;TZID=Asia/Tokyo:20230820T180000 DTSTAMP:20260409T232936Z CREATED:20230727T214824Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/91412 0?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nMachine Learning A Probabilistic Perspective 輪読会について\n機械学習、ディ ープラーニングの理解に必要となる基礎理論を網羅し た大作「Machine Learning - A Probabilistic Perspective (MLaPP)」を じっくりと学んでいく会です。\nChristopher Bishop著のPRML の発展版とも言われ、機械学習を根本から理解したい 方におすすめです。\n主催者側もこの分野に関しては 素人なので、一緒に学んでいきましょう。\n使用する テキスト\n「Machine Learning - A Probabilistic Perspective」\n\nア マゾン\n※ネットでPDF版が落とせるようです\n\nキーワ ード\n人工知能、機械学習、確率統計\n前提となる知識 \n\n線形代数の基礎\n確率統計の基礎\n\n日時\n2023年08月2 0日（日）　16:00〜18:00\n\nその後の予定（仮）\n　2023年0 9月17日（日）\n　2023年10月22日（日）\nタイムテーブル\ n\n\n\n時間\n内容\n\n\n\n\n13:00\nZoomのミーティングID、パ スワードを通知\n\n\n16:00 - 16:05\n輪読会（主催団体）の 説明\n\n\n16:05 - 16:10\n簡単な自己紹介\n\n\n16:10 - 18:00\n勉 強会（途中休憩を挟む場合があります）\n\n\n\n前回ま での内容\n\n\n\n\n内容\n\n\n\n\n第1回\nSection 1 Introduction pp. 1-22\n\n\n第2回\nSection 2 Probability pp.27-38\n\n\n第3回\nSection 2 Probability pp.38-49\n\n\n第4回\nSection 2 Probability pp.49-LastSecti on 3 Generative models for discrete data pp.65-68\n\n\n第5回\nSection 3 Generative models for discrete data pp.69-81\n\n\n第6回\nSection 3 Gen erative models for discrete data pp.82-Last\n\n\n第7回\nSection 4 Gauss ian models pp.97-107\n\n\n第8回\nSection 4 Gaussian models pp.107-114 \n\n\n第9回\nSection 4 Gaussian models pp.114-125\n\n\n第10回\nSecti on 5 Bayesian statistics pp.149-163\n\n\n第11回\nSection 4 Gaussian mo dels pp.125-130Section 5 Bayesian statistics pp.163-165\n\n\n第12回\nSe ction 5 Bayesian statistics pp.166-171\n\n\n第13回\nSection 5 Bayesian statistics pp.171-176\n\n\n第14回\nSection 5 Bayesian statistics pp.176 -Last\n\n\n第15回\nSection 6 Frequentist Statistics pp.191-199\n\n\n第 16回\nSection 6 Frequentist Statistics pp.199-205\n\n\n第17回\nSection 6 Frequentist Statistics pp.205-214\n\n\n第18回\nSection 6 Frequentist Statistics pp.214-215Section 7 Linear regression pp.217-222\n\n\n第19 回\nSection 7 Linear regression pp.222-230\n\n\n第20回\nSection 7 Line ar regression pp.230-\n\n\n第21回\nSection 8 Logistic regression pp.245 - 254\n\n\n第22回\nSection 8 Logistic regression pp.254- 264\n\n\n第23 回\nSection 8 Logistic regression pp.265- Last\n\n\n第24回\nSection 9 Generalized linear models and the exponential family pp.282-290\n\n\n第2 5回\nSection 9 Generalized linear models and the exponential family pp.2 93-300\n\n\n第26回\nSection 9 Generalized linear models and the exponen tial family pp.300 - LastSection 10 Directed graphical models pp.307 - 31 0\n\n\n第27回\nSection 10 Directed graphical models pp.310-320\n\n\n第 28回\nSection 10 Directed graphical models pp.320-327\n\n\n第29回\nSec tion 10 Directed graphical models pp.327-LastSection 11 Mixture models an d the EM algorithm pp.337-342\n\n\n第30回\nSection 11 Mixture models an d the EM algorithm pp.342-357\n\n\n第31回\nSection 11 Mixture models an d the EM algorithm pp.357-367\n\n\n第32回\nSection 11 Mixture models an d the EM algorithm pp.367-LastSection 12 Latent Linear Models pp.381-382\ n\n\n第33回\nSection 12 Latent Linear Models pp.382-388\n\n\n第34回\n Section 12 Latent Linear Models pp.388-399\n\n\n第35回\nSection 12 Late nt Linear Models pp.399-412\n\n\n第36回\nSection 12 Latent Linear Model s pp.413-LastSection 13 Sparse Linear Modesl pp.421-\n\n\n第37回\nSecti on 13 Sparse Linear Modesl pp.425-430\n\n\n第38回\nSection 13 Sparse Li near Modesl pp.430-440\n\n\n第39回\nSection 13 Sparse Linear Modesl pp. 440-447\n\n\n第40回\nSection 13 Sparse Linear Modesl pp.447-457\n\n\n 第41回\nSection 13 Sparse Linear Modesl pp.457-469\n\n\n第42回\nSecti on 13 Sparse Linear Modesl pp.469-474Section 14 Kernels pp.479-486\n\n\n 第43回\nSection 14 Kernels pp.486-496\n\n\n第44回\nSection 14 Kernels pp.496-505\n\n\n第45回\nSection 15 Gaussian Processes pp.496-512\n\n\n 第46回\nSection 15 Gaussian Processes pp.512-525\n\n\n第47回\nSection 15 Gaussian Processes pp.525-534\n\n\n第48回\nSection 16 Adaptive Basi s Function Models pp.525-549\n\n\n第49回\nSection 15 Gaussian Processes pp.534-542Section 16 Adaptive Basis Function Models pp.549-552\n\n\n\n 今回の内容\nSection 16 Adaptive Basis Function Models pp.552-\n　 講師： KanSAKAMOTOさん\n事前準備\n可能であれば今回の範 囲を一通り読んできてください。\n読んでなくても参 加可能です。\n聴講だけの方もwelcomeです！\n参加費\n無 料\n※ 「社会科学者のための進化ゲーム理論 輪読会」 から続けて開催します\n会場\nオンライン開催（Zoomに よる開催を予定しています）\n当日13:00にZoomのミーテ ィングID、パスワードを登録メールアドレスへ一斉通 知します。\n13:00以降に申し込まれた方は個別にお伝え しますので、管理者までメッセージをお願いします。\ n同時開催の輪読会について\n当イベントの開催前の13:3 0から「社会科学者のための進化ゲーム理論 輪読会」 を開催します。 \nslack\nslackに専用ルームがあります。 参加ご希望の方は管理者までメッセージをお願いしま す。 LOCATION:オンライン URL:https://techplay.jp/event/914120?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR