1 はじめに
1.1 データマイニングと人工知能
1.2 機械学習とは何か?
1.2.1 教師あり学習
1.2.2 教師なし学習
1.3 深層学習概説
1.4 データマイニングと人工知能の違い
1.5 統計的機械学習の目的とメリット
1.6 確率の基礎と例題
1.6.1 規格化条件
1.6.2 平均・分散
1.6.3 和法則・積法則
1.6.4 例題で理解しよう
2 統計的機械学習の基礎とマルコフ確率場
2.1 ベイズ推定
2.2 統計的機械学習の枠組み
2.3 マルコフ確率場
2.3.1 確率的グラフィカルモデル
2.3.2 ギブスサンプリング
2.3.3 ボルツマンマシン
2.4 マルコフ確率場の統計的機械学習
2.4.1 最尤法
2.4.2 最尤法と情報理論
2.4.3 EMアルゴリズム
2.5 マルコフ確率場の問題点
2.5.1 計算量爆発の問題
2.5.2 近似的アプローチ
2.6 ガウス型マルコフ確率場
3 マルコフ確率場の応用例
3.1 重回帰分析問題
3.2 画像ノイズ除去問題
3.3 道路交通量の推定問題
3.4 グラフマイニング問題
3.4.1 スパースモデリングのアプローチ
3.4.2 項目間の関連マップの抽出
4 人工知能への応用
4.1 パターン認識問題とは?
4.2 問題のベイズ的定式化と逆問題
4.2.1 事後分布による逆推定
4.2.2 AIシステムが何を見ているか?
4.3 ベイジアン・ディープラーニング
5 おわりに
5.1 本講座のまとめ
5.2 統計的機械学習の利点とこれから