ベイズモデリングによる機械学習入門～基礎から実践テクニック、様々な応用例や最新トピックスまで～

セミナー趣旨

  機械学習の手法は目的によってさまざまなものがあり、学ぶにしても使うにしても迷子になってしまうことがあります。 ベイズモデリングはすべての要素を確率として扱うことにより機械学習にシンプルで統一的な視座を与えてくれます。 また、データ数が少ない状況で機械学習したいとか、人間の知識と機械学習を融合したいとかいった実用上の問題点に対しても解決の糸口を与えてくれます。 本セミナーでは、確率の基本からベイズモデリングの最前線までを単純なデータを使った実演や具体的な応用事例紹介を通じて、ベイズモデリングに基づく機械学習の全体像を理解することができます。

受講対象・レベル

・データ解析や機械学習を実践されようとしている方・実践されている方
・機械学習をブラックボックスではなく既存の知識と組み合わせて構築することに興味がある方
・機械学習の結果の信頼性評価など確率的な側面に興味がある方

必要な予備知識

必須ではないが高校卒業レベルの数学の知識があれば望ましいです。

習得できる知識

・ベイズモデリングの考え方や基本的な手順
・ベイズモデリングを用いた機械学習の全体像に関する理解
など

セミナープログラム

1．ベイズモデリングの基本
　1）確率によるモデリング
　2）機械学習とベイズモデリング
　　a. ベイズモデリングの利点・欠点
　3）ベイズ統計学の基本
　　a. 確率の基本事項
　　b. ベイズの定理
　　c. ベイズモデリングの手順
　4）確率と意思決定
　　a. ベイズ決定理論
　5）ベイズ線形モデル
　　a. 線形モデルの生成モデル
　　b. 事後分布
　　c. 正則化とベイズの関係
　　d. 予測分布
　　e. ハイパーパラメータの決め方
　　f. 次元の呪いとスパースモデリング
　　g. ガウス過程
　6）グラフィカルモデルとベイジアンネットワーク
　　a. ベイジアンネットワーク
　　b. 知識の利用
　　c. 学習と推論
　　d. グラフィカルLASSO
　　e. 単純ベイズ法と迷惑メールフィルタ
2．ベイズモデリングの実践
　1）ドメイン知識とシミュレーション
　　a. 基本的確率モデルのいろいろ
　2）事前分布の決め方
　　a. 共役事前分布
　3）確率伝播アルゴリズム
　4）事後分布の近似法
　　a. 変分ベイズ法とクラスタリングにおける実例
　　b. トピックモデルと行列分解
　5）マルコフ連鎖モンテカルロ法と実例
　　a. いろいろなMCMC
　　b. stan によるモデリング
3．ベイズモデリングと応用
　1）転移学習と半教師あり学習
　2）ベイズ時系列解析とデータ同化
　3）ベイズ深層学習
　4）ベイズ最適化による実験計画法
　5）シミュレーションとレプリカ交換法
＜質疑応答＞

＊途中、お昼休みや小休憩を挟みます。

セミナー講師

 産業技術総合研究所 人間情報インタラクション研究部門 脳数理研究グループ 上級主任研究員    赤穂 昭太郎 氏

■ご略歴
1990年　東大・工学部工学系研究科・修士了
同年・通産省工業技術院電子技術総合研究所　入所
2001年　独法化に伴い産業技術総合研究所・脳神経情報研究部門・情報数理研究グループ・研究グループ長
2015年より　産業技術総合研究所・人間情報研究部門・情報数理研究グループ・研究グループ長
2020年4月より　現職
産業技術総合研究所・人工知能研究センター兼任
理化学研究所・革新知能統合研究センター兼任
統計数理研究所・大学統計教員育成センター兼任
■ご専門および得意な分野・ご研究
統計的機械学習や最適化、ニューラルネットワーク

セミナー受講料

【オンライン：見逃し視聴なし】　1名47,300円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき36,300円

【オンライン：見逃し視聴あり】　1名52,800円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき41,800円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）
  ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです
  →環境の確認についてこちらからご確認ください
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です
  →こちらをご確認ください