Machine Learning A Probabilistic Perspective輪読会#48

2023/06/18(日)16:00 〜 18:00 開催
ブックマーク

イベント内容

Machine Learning A Probabilistic Perspective 輪読会について

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。
Christopher 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。

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。

使用するテキスト

「Machine Learning - A Probabilistic Perspective」

  • アマゾン
    ※ネットでPDF版が落とせるようです

キーワード

人工知能、機械学習、確率統計

前提となる知識

  • 線形代数の基礎
  • 確率統計の基礎

日時

2023年06月18日(日) 16:00〜18:00

その後の予定(仮)
 2023年07月16日(日)
 2023年08月20日(日)

タイムテーブル

時間 内容
13:00 ZoomのミーティングID、パスワードを通知
16:00 - 16:05 輪読会(主催団体)の説明
16:05 - 16:10 簡単な自己紹介
16:10 - 18:00 勉強会(途中休憩を挟む場合があります)

前回までの内容

内容
第1回 Section 1 Introduction pp.1-22
第2回 Section 2 Probability pp.27-38
第3回 Section 2 Probability pp.38-49
第4回 Section 2 Probability pp.49-Last
Section 3 Generative models for discrete data pp.65-68
第5回 Section 3 Generative models for discrete data pp.69-81
第6回 Section 3 Generative models for discrete data pp.82-Last
第7回 Section 4 Gaussian models pp.97-107
第8回 Section 4 Gaussian models pp.107-114
第9回 Section 4 Gaussian models pp.114-125
第10回 Section 5 Bayesian statistics pp.149-163
第11回 Section 4 Gaussian models pp.125-130
Section 5 Bayesian statistics pp.163-165
第12回 Section 5 Bayesian statistics pp.166-171
第13回 Section 5 Bayesian statistics pp.171-176
第14回 Section 5 Bayesian statistics pp.176-Last
第15回 Section 6 Frequentist Statistics pp.191-199
第16回 Section 6 Frequentist Statistics pp.199-205
第17回 Section 6 Frequentist Statistics pp.205-214
第18回 Section 6 Frequentist Statistics pp.214-215
Section 7 Linear regression pp.217-222
第19回 Section 7 Linear regression pp.222-230
第20回 Section 7 Linear regression pp.230-
第21回 Section 8 Logistic regression pp.245- 254
第22回 Section 8 Logistic regression pp.254- 264
第23回 Section 8 Logistic regression pp.265- Last
第24回 Section 9 Generalized linear models and the exponential family pp.282-290
第25回 Section 9 Generalized linear models and the exponential family pp.293-300
第26回 Section 9 Generalized linear models and the exponential family pp.300 - Last
Section 10 Directed graphical models pp.307 - 310
第27回 Section 10 Directed graphical models pp.310-320
第28回 Section 10 Directed graphical models pp.320-327
第29回 Section 10 Directed graphical models pp.327-Last
Section 11 Mixture models and the EM algorithm pp.337-342
第30回 Section 11 Mixture models and the EM algorithm pp.342-357
第31回 Section 11 Mixture models and the EM algorithm pp.357-367
第32回 Section 11 Mixture models and the EM algorithm pp.367-Last
Section 12 Latent Linear Models pp.381-382
第33回 Section 12 Latent Linear Models pp.382-388
第34回 Section 12 Latent Linear Models pp.388-399
第35回 Section 12 Latent Linear Models pp.399-412
第36回 Section 12 Latent Linear Models pp.413-Last
Section 13 Sparse Linear Modesl pp.421-
第37回 Section 13 Sparse Linear Modesl pp.425-430
第38回 Section 13 Sparse Linear Modesl pp.430-440
第39回 Section 13 Sparse Linear Modesl pp.440-447
第40回 Section 13 Sparse Linear Modesl pp.447-457
第41回 Section 13 Sparse Linear Modesl pp.457-469
第42回 Section 13 Sparse Linear Modesl pp.469-474
Section 14 Kernels pp.479-486
第43回 Section 14 Kernels pp.486-496
第44回 Section 14 Kernels pp.496-505
第45回 Section 15 Gaussian Processes pp.496-512
第46回 Section 15 Gaussian Processes pp.512-525
第47回 Section 15 Gaussian Processes pp.525-534

今回の内容

Section 16 Adaptive Basis Function Models pp.543-
 講師: Keiichiro MIyazaki

※Section 15 Gaussian Process の残りの部分は来月以降のどこかで

事前準備

可能であれば今回の範囲を一通り読んできてください。
読んでなくても参加可能です。
聴講だけの方もwelcomeです!

参加費

無料
※ 「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

会場

オンライン開催(Zoomによる開催を予定しています)
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。
13:00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。

同時開催の輪読会について

当イベントの開催前の13:30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。

slack

slack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。

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。
情報提供元ページ(connpass)へ

新規会員登録

このイベントに申し込むには会員登録が必要です。
アカウント登録済みの方はログインしてください。



※ ソーシャルアカウントで登録するとログインが簡単に行えます。

※ 連携したソーシャルアカウントは、会員登録完了後にいつでも変更できます。

関連するイベント