【中止】統計的機械学習の基礎、データ生成モデル、データマイニングとＡＩ【Live配信セミナー】

数式が多く、わかりにくい統計的機械学習理論をわかりやすく解説！

データマイニングや、人工知能をうまく扱いうには？基礎からじっくり学べます！

セミナー講師

山形大学　大学院理工学研究科　准教授　博士(情報科学)　安田 宗樹 氏

セミナー受講料

1名につき55，000円（税込・資料付き）　
〔1社2名以上同時申込の場合1名につき49，500円（税込）〕

受講について

• 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
• 下記リンクから視聴環境を確認の上、お申し込みください。
  　→ https://zoom.us/test
• 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
  セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
• Zoomクライアントは最新版にアップデートして使用してください。
  Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
• パソコンの他にタブレット、スマートフォンでも視聴できます。
• セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。
  お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
• 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
• 本講座で使用される資料や配信動画は著作物であり、
  録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
  複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• Zoomのグループにパスワードを設定しています。
  部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
  万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

セミナー趣旨

本講演では、確率的グラフィカルモデルと呼ばれる統計的機械学習モデルをテーマとして扱います。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（データマイニングや人工知能）ができるようになるという点です。これは、昨今の人工知能ブームにより盛り上がっているニューラルネットワークモデルとはその意味で一線を画すものです。データマイニングと人工知能を同時にこなすことのできる確率的グラフィカルモデルは、現在の人工知能の弱点（例えば、作成した人工知能の意味解釈が人間では困難である、など）を補填する可能性を大いに秘めた技術であり、将来の人工知能の核にもなり得る技術と期待しています。 ただ残念なことに、学術業界以外では、確率的グラフィカルモデルに対する認知はまだほとんど広がっていません。

本講義では、初学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。また、初学者だけに限らず、統計的機械学習理論を多少聞きかじったけれども、しっかりと基礎部分を把握しておきたいという方にもピッタリな内容となっています。内容の性質上、数式が多数出現しますが、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。

受講対象・レベル

新しいデータサイエンスの糸口を知りたい方。
確率・統計に基づくデータサイエンス理論に興味のある方。
情報処理、システム、データ解析、ネットワーク、画像処理、音声処理、ロボット、自然言語処理他関連企業の方でデータマイニングや人工知能に興味のある方。

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を習得できる。
データマイニングと人工知能に関する包括的な知識を習得できる。

セミナープログラム

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 ディープラーニング概説
　1-4 データマイニングと人工知能の対比
　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 確率の和法則と積法則
　　1-6-4 確率の基礎を例題で理解する

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とは？
　　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の方法
　　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
　2-6 問題解決のための近似的計算技術
　　2-6-1 モンテカルロ積分法
　　2-6-2 最新のモンテカルロ積分法
　　2-6-3 確率伝搬法
　2-7 ガウス型マルコフ確率場

3.マルコフ確率場の応用例 （データ生成モデル、データマイニングへの応用）
　3-1 統計的重回帰分析
　　3-1-1 通常の重回帰分析
　　3-1-2 マルコフ確率場に基づく重回帰分析
　3-2 画像ノイズ除去
　3-3 道路交通量の（ナウ・キャスト）推定
　3-4 グラフマイニング
　　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 パターン認識問題のベイズ的定式化
　4-3 人工知能からの知識発掘
　　4-3-1 事後分布による逆推定
　　4-3-2 ＡＩシステムが何を見ているか？

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

【質疑応答】