|
【講演ポイント】
ベイズ統計は不確かな環境下での予測や意思決定、分析に有用な理論体系であり、これを用いて導出された機械学習アルゴリズムはベイズ学習とも呼ばれます。
本講座では、初学者を対象にベイズ学習の基本原理から実際の応用例、実践のポイントについて紹介し、その有用性や奥深さをお伝えできればと思います。
＜習得できる知識＞
・研究開発等でベイズ学習を利用するために最低限必要な基礎知識
・様々な分野へのベイズ学習の適用事例
・高次元小標本に有効な機械学習法
【プログラム】
１．はじめに：ベイズ統計学と機械学習の親和性
２．押さえておきたいベイズ統計の基礎理論
2.1 確率論の基礎
2.2 条件付き確率とベイズの公式
2.3 統計的推論：頻度主義統計 vs ベイズ統計
2.4 事前確率分布と事後確率分布
2.5 ベイズ統計による代表的な確率分布の母数推定
2.6 ベイズ決定理論
2.7 パターン認識とナイーブベイズ法
３．事後分布の近似法の解説
3.1 モンテカルロサンプリング
3.2 ラプラス近似法
3.3 変分近似法
４．階層ベイズモデリングと学習
4.1 スパース回帰
4.2 混合正規分布とクラスタリング
4.3 RBFネットワーク学習
4.4 線形状態空間モデルとカルマンフィルタ
５．ベイズ機械学習の流れとモデルデータを用いた実施例
６．ベイズ学習の応用例
5.1 部分観測環境下でのオブジェクト追跡
5.2 神経スパイクデータに基づく神経回路構造推定
5.3 様々な心理・生理指標に基づくヒトの特性分類
７．よく使われるプログラミング言語と実装例について
８．自学に役立つ参考書紹介
【質疑応答】
|
