1. ホーム
  2. セミナー
  3. ベイズ統計と統計的機械学習【LIVE配信】

☆オンライン会議アプリZoomを使ったWEBセミナーです。ご自宅や職場のノートPCで受講できます。

ベイズ統計と統計的機械学習【LIVE配信】
～グラフィカルモデルのデータサイエンスへの応用～

※見逃し配信（視聴可能期間1週間）あり！復習にご活用ください！

※受付を終了しました。最新のセミナーはこちら

セミナー概要
略称
統計的機械学習【WEBセミナー】
セミナーNo.
230757
開催日時
2023年07月20日（木） 10:30～16:30
主催
（株）Ｒ＆Ｄ支援センター
問い合わせ
Tel：03-5857-4811　E-mail：info@rdsc.co.jp
開催場所
【WEB限定セミナー】※会社やご自宅でご受講下さい。　
価格
非会員：  55,000円 （本体価格：50,000円）
会員：  44,000円 （本体価格：40,000円）
学生：  55,000円 （本体価格：50,000円）
価格関連備考
会員の方あるいは新規会員登録していただくと、下記の割引が適用されます。
　・1名申込の場合、55,000円（税込）→44,000円（税込）
　・2名同時申込の場合、合計110,000円（税込）→合計55,000円（税込）
　　　※両名の会員登録が必要です。

会員登録とは？　⇒　よくある質問
特典
約1週間の見逃し配信あり。
（受講者以外の視聴はできません）
定員
30名　※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
持参物
受講にはWindowsPCを推奨しております。
備考
・本セミナーは「Zoom」を使ったWEB配信セミナーとなります。

【Zoomを使ったWEB配信セミナー受講の手順】
１）Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
２）セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたについてはこちらをご覧ください。
３）開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにお送りいたします。無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
講座の内容
受講対象・レベル
　ベイズ統計や統計的機械学習ついて興味はあるけれど、ほとんど中身は知らないといった方々を基本的に対象としています。また、基礎から発展に至るまでの理論を包括的に理解したい方にもピッタリの内容です。必要に応じて補足をしていくので特殊な専門知識は必要ありませんが、大学初年度レベルの微積分、線形代数、確率統計の知識があるとより楽しめると思います。
習得できる知識
・統計的機械学習理論の基礎理解と概要把握から、実装に至るまでの一通りの知識
・ベイズ統計と確率的グラフィカルモデルについての知識
・新しい機械学習の可能性
趣旨
　確率的グラフィカルモデルの利点は、なんと言っても、これ一つで多くのデータサイエンスができるようになるという点です。データサイエンスの中の主要な柱はデータマニング技術（つまり、データ分析技術）と、AI技術の２つであり、これらの技術はこれからも社会変革をもたらしていくと予想されます。しかしながら、特にAI技術にはまだ大きな問題が残されています。人の設計思想がシステム構築に入り辛いというのが原因の一つです。残念ながらこの問題はそう簡単には解決しそうもありません。
　よりエンジニアリングに近い位置での（つまり、設計思想が色濃く反映されている方法での）問題解決法があれば理想です。その意味では伝統的なエンジニアリングは素晴らしいものです。人の設計思想を基礎として、そこにデータサイエンスの流儀をプラスアルファで取り込めれば、今までとは一風異なる方向性の未来が可能となるでしょう。そのような新たな方向性の実現に役立つポテンシャルをもった理論を扱います。初心者にも分かりやすいよう、統計的機械学習理論を学ぶ上で重要となるトピックは網羅的に解説し、理論の基礎から全体像、そして、応用に対する考え方に至るまでを習得できるようにします。
プログラム

1. はじめに
　(1) データマイニングと人工知能
　(2) 機械学習とは何か？
　　a. 教師あり学習
　　b. 教師なし学習
　(3) 深層学習概説
　(4) データマイニングと人工知能の違い
　(5) 統計的機械学習の目的とメリット

2. 確率の基礎とベイズ統計、そして最尤推定
　(1) 確率の基礎と例題
　　a. 規格化条件と統計量
　　b. 確率の和法則と積法則
　　c. 例題で理解しよう
　(2) ベイズ統計
　　a. ベイズの定理と事後確率
　　b. 最大事後確率推定
　(3) 最尤推定： 統計的機械学習理論の最重要技術
　　a. 最尤推定の考え方
　　b. 未観測データがある場合の最尤推定とEMアルゴリズム
　(4) 少し進んだ話題
　　a. 階層ベイズという考え方： 超事前分布のメリット

3. グラフィカルモデルの基礎とマルコフ確率場
　(1) グラフィカルモデルとは？
　(2) マルコフ確率場
　　a. ボルツマンマシン
　　b. ガウス型マルコフ確率場
　(3) マルコフ確率場の統計的機械学習の方法
　　a. 最尤法
　　b. 最尤法と情報理論
　　c. EMアルゴリズム
　(4) マルコフ確率場の問題点
　　a. 組み合わせ爆発の問題
　　b. 近似的アプローチ（モンテカルロ積分法）

4. マルコフ確率場の応用例（データ生成モデル、データマイニング）
　(1) 画像ノイズ除去
　　a. 非階層ベイズモデルによる処理
　　b. 階層ベイズモデルの威力を見る
　(2) 道路交通量の（ナウ・キャスト）推定
　(3) グラフマイニング
　　a. スパースモデリングのアプローチ
　　b. 項目間の関連マップの抽出

5. 人工知能と統計的機械学習
　(1) パターン認識問題とは？
　(2) 説明可能な人工知能を目指して
　　a. ディープ・アンサンブル
　　b. 事後分布による入出力逆推定

6. おわりに
　(1) 統計的機械学習の意義とこれから

【質疑応答】

スケジュール
10：30～11：50　講義1
11：50～12：40　昼食
12：40～13：50　講義2
13：50～14：00　休憩
14：00～15：10　講義3
15：10～15：20　休憩
15：20～16：30　講義4
※進行によって、多少前後する可能性がございます。
※質問は随時チャット形式で受け付けます。休憩前に音声でも可能です。
キーワード
機械学習,ベイズ,統計,グラフィカル,モデル,確率,データ,AI,研修,講座,セミナー
関連するセミナー
関連する書籍
関連する通信講座
関連するタグ
フリーワード検索
カテゴリ別検索
カテゴリ別検索