Pythonによる科学技術計算

※会場が変更になりました（1/6）

- 確率・統計・機械学習 -

※本セミナーは，科学技術計算のためのPythonについて全体を敷衍します。
　ディープラーニングについては，簡単な紹介に留めますので，ご注意ください。

1 科学技術計算のためのPythonの入門
　　　　1.1 インストールとセットアップ
　　　　1.2 Numpy
　　　　1.3 Matplotlib 
　　　　1.4 IPython
　　　　1.5 Scipy
　　　　1.6 Pandas
　　　　1.7 Sympy

2 確率（SymPy）
　　　　2.1 確率変数
　　　　2.2 写像法
　　　　2.3 情報エントロピー
　　　　2.4 情報理論の概念
　　　　2.5 モーメント母関数
　　　　2.6 モンテカルロサンプリング法

3 統計（Scipy，SymPy）
　　　　3.1 統計用Pythonモジュール
　　　　　3.1.1 Scipy統計モジュール
　　　　　3.1.2 Sympy統計モジュール
　　　　　3.1.3 その他の統計用Pythonモジュール
　　　　3.2 収束
　　　　3.3 最尤推定法
　　　　3.4 仮説検定とp値
　　　　　3.4.1 ROC（受信者操作特性）
　　　　　3.4.2 p値
　　　　　3.4.3 検定統計
　　　　3.5 多重仮説検定
　　　　3.6 信頼区間
　　　　3.7 線形回帰
　　　　3.8 最大事後確率
　　　　3.9 ロバスト統計
　　　　3.10 ブートストラッピング
　　　　3.11 ガウス=マルコフの定理
　　　　3.12 ノンパラメトリック法

4 機械学習（Scikit-learn）
　　　　4.1 はじめに
　　　　4.2 Python機械学習モジュール
　　　　4.3 学習の理論
　　　　　4.3.1 機械学習理論への入門
　　　　　4.3.2 一般化の理論
　　　　　4.3.3 一般化／近似計算量の実行例
　　　　　4.3.4 交差検証法
　　　　　4.3.5 バイアス(Bias)とバリアンス(Variance)
　　　　　4.3.6 学習ノイズ
　　　　4.4 決定木
　　　　　4.4.1 ランダムフォレスト
　　　　4.5 ロジスティック回帰
　　　　　4.5.1 一般化線形モデル
　　　　4.6 正則化
　　　　　4.6.1 Ridge回帰
　　　　　4.6.2 Lasso回帰
　　　　4.7 サポートベクトルマシン
　　　　　4.7.1 カーネルトリック
　　　　4.8 次元減少法
　　　　4.9 クラスタリング
　　　　4.10 アンサンブル法
　　　　4.11 ディープラーニング
　　　　　4.11.1 ChainerとTensorFlow