～機械学習手法の目的、手法の整理と選び方～
～機械学習を用いたデータ解析の基本的な手順～
～機械学習手法の効率的な使い方～
１．機械学習の基礎
(ア)機械学習とは
(イ)多変量解析・データマイニングと機械学習
(ウ)機械学習の最新動向
(エ)機械学習でできること
(オ)回帰と予測：一番簡単な機械学習
(カ)汎化誤差
(キ)次元の呪い
(ク)モデル選択
(ケ)正則化法
(コ)確率と機械学習
(サ)ベイズモデリング：機械学習を束ねる枠組み
(シ)機械学習と最適化
(ス)データ解析のマネージメント
２．機械学習の基本手順
(ア)現場的データ解析
(イ)データの可視化
(ウ)あてはめと予測
(エ)予測と補間・主な手法
(オ)モデル選択
(カ)交差検証
(キ)スパースモデリング
(ク)情報量規準
(ケ)LASSO
(コ)リッジ回帰
(サ)主成分分析：低次元化の方法
(シ)次元数の選び方
(ス)行列分解
(セ)推薦とトピック抽出
(ソ)欠損値の補完
(タ)クラスタ分析
(チ)階層的クラスタリングと非階層的クラスタリング
(ツ)異常値・外れ値検出
(テ)パターン認識
(ト)教師データの作り方
(ナ)パターン認識のいろいろな手法
３．モデル化の効率化
(ア)線形ガウスモデル
(イ)ベイジアンネット
(ウ)迷惑メールフィルタ
(エ)ナイーブベイズ法
(オ)カーネル法
(カ)サポートベクターマシン
(キ)アンサンブル学習
(ク)ランダムフォレスト
(ケ)転移学習とデータ利用
(コ)ニューラルネットワーク
(サ)ディープラーニングの基礎
(シ)ディープラーニングを利用した画像特徴抽出
(ス)意思決定とバンディット問題
(セ)強化学習
(ソ)時系列モデル
(タ)状態空間モデル
(チ)パーティクルフィルタ
(ツ)時系列か関数か
４．機械学習と最適化
(ア)造業と最適化
(イ)最急降下法と局所解の問題
(ウ)最適化とベイズモデリング
(エ)スペクトルデータの解析
(オ)マルコフ連鎖モンテカルロ法による最適化
(カ)設計と実験
(キ)ベイズ最適化による最適実験計画
５．まとめ
□質疑応答□