形式

資料を作る必要はない。
来る方は全員当日の章を読んで来る。
そのセクションの担当を決め、担当者が参加者の質問に答える形式。

輪読本
https://honto.jp/netstore/pd-contents_0625239359.html

スケジュール

第１章 はじめに
１．１ パターン認識とは
１．２ 特徴の型
１．３ 特徴ベクトル空間と次元の呪い
章末問題
第２章 識別規則と学習法の概要
２．１ 識別規則と学習法の分類
２．２ 汎化能力
章末問題
第３章 ベイズの識別規則
３．１ ベイズの識別規則
３．２ 受信者動作特性曲線
章末問題
第４章 確率モデルと識別関数
４．１ 観測データの線形変換
４．２ 確率モデル
４．３ 確率モデルパラメータの最尤推定
章末問題
第５章 ｋ最近傍法（ｋＮＮ法）
５．１ 最近傍法とボロノイ境界
５．２ ｋＮＮ法
５．３ ｋＮＮ法とベイズ誤り率
５．４ ｋＮＮ法の計算量とその低減法
章末問題
第６章 線形識別関数
６．１ 線形識別関数の定義
６．２ 最小２乗誤差基準によるパラメータの推定
６．３ 線形判別分析
６．４ ロジスティック回帰
章末問題
第７章 パーセプトロン型学習規則
７．１ パーセプトロン
７．２ 誤差逆伝搬法
７．３ 誤差逆伝搬法の学習特性
章末問題
第８章 サポートベクトルマシン
８．１ サポートベクトルマシンの導出
８．２ 線形分離可能でない場合への拡張
８．３ 非線形特徴写像
８．４ ν−サポートベクトルマシン
８．５ １クラスサポートベクトルマシン
章末問題
第９章 部分空間法
９．１ 部分空間
９．２ 主成分分析
９．３ 特異値分解
９．４ 部分空間法
９．５ カーネル主成分分析
９．６ カーネル部分空間法
章末問題
第１０章 クラスタリング
１０．１ 類似度と非類似度
１０．２ 非階層型クラスタリング（Ｋ−平均法）
１０．３ 階層型クラスタリング（融合法）
１０．４ 確率モデルによるクラスタリング
章末問題
第１１章 識別器の組み合わせによる性能強化
１１．１ ノーフリーランチ定理
１１．２ 決定木
１１．３ バギング
１１．４ アダブースト
１１．５ ランダムフォレスト
章末問題
付録 ベクトルと行列による微分
Ａ．１ ベクトルによる微分
Ａ．２ 行列によるスカラー関数の微分

みんなでチャレンジしています。

House Price

https://www.kaggle.com/c/house-prices-advanced-regression-techniques

General AI Challenge

https://general-ai-challenge.connpass.com/event/50541/

Self-Driving Car Challenge

https://www.udacity.com/didi-challenge

持ち物

実装をされる方はPC

対象

人工知能を１から始めたい方、考えてる方
人工知能に少し興味のあるプログラマ

参加費

1000円（会場費）

開催場所

https://www.spacee.jp/listings/2817?neighborhood=%E7%A7%8B%E8%91%89%E5%8E%9F
東京都千代田区東神田東神田1 ハイツ神田岩本町 204号室
https://maps.google.com/maps?q=35.695134,139.780472

その他

電源、Wi-Fiはあります。

グループ

https://www.facebook.com/groups/1515619948454253/
資料もこちらに貼る予定です。また質問などご自由にどうぞ。