理論から理解する機械学習 feat.PRML #1

イベント内容

講座の概要

「パターン認識と機械学習 (PRML)」 (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。

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。
PlayGroundについて

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!

対象者

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
(cannpassからの参加者以外にPlayGroundに所属する学生も参加します。)

今回の内容

内容
1. 回帰(1) 3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)

講座計画

内容
1. 回帰(1) 3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)
2. 回帰(2) 3.1 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)
3. 回帰(ベイズ)(1) 3.3 ベイズ線形回帰(等価カーネル)
3.4 ベイズモデル比較
4. 回帰(ベイズ)(2) 3.5 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)
5. 識別関数による分類(1) 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)
6. 識別関数による分類(2) 4.1 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)
7. 生成モデルによる分類 4.2 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)
8. 識別モデルによる分類 4.3 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)
9. 識別モデルによる分類(ベイズ) 4.4 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)
10. ニューラルネットワークのモデル 5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)
11. ニューラルネットワークの訓練 5.2 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)
12. ニューラルネットワークの訓練と正則化 5.3 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)
13. ニューラルネットワークの正規化 5.5 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)
14. ニューラルネットワーク(ベイズ) 5.6 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)

日時

日時:2020年2月8日(土) 12:30-14:30
開場:12:15

※毎週土曜日(ゴールデンウィークを除く) 全14回を予定しています。

会場

東京理科大学 オープンカレッジ MAP

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
最寄駅: JR 「飯田橋」 東口 / 西口 徒歩1分
     東京メトロ「飯田橋」B2b/B5 徒歩1分

あると好ましいもの

  • 「パターン認識と機械学習」 丸善出版 C.M.ビショップ

  • 筆記用具等
    テキスト、資料などを配布する予定はありません。

注意・免責事項(必読)

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。
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。

注意事項

※ こちらのイベント情報は、外部サイトから取得した情報を掲載しています。
※ 掲載タイミングや更新頻度によっては、情報提供元ページの内容と差異が発生しますので予めご了承ください。
※ 最新情報の確認や参加申込手続き、イベントに関するお問い合わせ等は情報提供元ページにてお願いします。

類似しているイベント

機械学習のための最適化入門

中央区銀座2-14-4 銀座スクエア3階 東銀座駅徒歩4分/銀座一丁目駅徒歩5分/宝町駅徒歩6分/銀座駅徒歩7分/有楽町駅徒歩11分

19:00 〜22:00

2月 24 MON