カルマンフィルタ・機械学習のための確率統計・線形代数入門

カルマンフィルタ、システム同定、機械学習などを
学ぶために必要な数学に焦点を絞って解説します！

セミナー講師

足立 修一（あだちしゅういち）氏　 慶應義塾大学　理工学部　物理情報工学科　教授（工学博士）

セミナー受講料

お1人様受講の場合　51,700円[税込]／1名
1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）
 
受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。

セミナー趣旨

  　深層学習（ディープラーニング）に代表される機械学習に対する関心が非常に高まっています。機械学習のユーザであれば，その中身について深く知る必要はないかもしれません。しかし，学習理論を正しく使うためには，その中身を構成する確率・統計理論や線形代数などの数学の知識が必要です。このような知識を持っていれば，この第3次AI ブームが終わっても，それらは次に向けた研究開発に大いに役立つことでしょう。
　本セミナーでは，カルマンフィルタ，システム同定，機械学習などを学ぶために必要な数学に焦点を絞って解説します。まず，難解だと言われる確率論を平易に解説することを試みます。また，その延長線上にある最小二乗法と最尤推定法などの統計的推定論を説明し，最小二乗法の先にある特異値分解法や，機械学習理論でも中心的な理論である正則化法について解説します。最後に，線形基底関数モデルに対する正則化最小二乗法を解説し，時間があればカーネル法についてもお話ししたいと考えています。

セミナープログラム

　1　はじめに

　2　確率の基礎
　　2.1　確率の定義，確率密度関数，期待値
　　2.2　正規分布とさまざまな確率分布
　　2.3　多次元正規分布と固有値分解

　3　統計的推定：最小二乗法と最尤推定法

　4　最小二乗法によるデータ処理

　5　最小二乗法の先
　　5.1　特異値分解を用いた最小二乗解
　　5.2　L2 ノルム正則化法
　　5.3　L1 ノルム正則化法（LASSO）

　6　線形基底関数モデルとカーネル法

　7　まとめ