Machine Learning A Probabilistic Perspective輪読会#55
2024/01/28(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
2024年01月28日（日） 16:00〜18:00
その後の予定（仮）
2024年02月18日（日）
2024年03月17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 |
| 第48回 | Section 16 Adaptive Basis Function Models pp.525-549 |
| 第49回 | Section 15 Gaussian Processes pp.534-542 Section 16 Adaptive Basis Function Models pp.549-552 |
| 第50回 | Section 16 Adaptive Basis Function Models pp.552-563 |
| 第51回 | Section 16 Adaptive Basis Function Models pp.563-569 |
| 第52回 | Section 16 Adaptive Basis Function Models pp.569-586 |
| 第53回 | Section 17 Markov and hidden Markov Models pp.589-600 |
| 第54回 | Section 17 Markov and hidden Markov Models pp.600-612 |
今回の内容
Section 17 Markov and hidden Markov Models pp.612-
講師： 山本
Section 17 Markov and hidden Markov Models pp.612-
講師： gm3d2さん
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
※ 「ネットワーク分析 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「ネットワーク分析 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。
※ 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。
