スパースモデリングの基礎と実践

膨大なデータに埋もれた
本質的に重要なデータを取り出すために

■ スパースモデリングの基本的な考え方
■ スパースモデリングの回帰モデリングの観点からの理解
■ 実問題に適用できるが実例の理解

★ 機械学習の基礎 ～ スパースモデリングの導入・発展 ～ 実データ解析 ～
　 一連のプロセスで理解し、実務・研究等の工学的応用にもっていきます。
★ 教師あり・なし学習、生成・識別モデル、重回帰分析、正則化回帰、
　 様々なスパース性、 オープンソースライブラリを利用した実データの分析例  

セミナー講師

大学共同利用機関法人情報・システム研究機構 統計数理研究所
准教授　博士（工学） 日野 英逸 氏

【専門】 機械学習，データ解析，応用統計，スパースモデリング

【略歴】
 京都大学情報学研究科博士前期課程修了
 (株)日立製作所システム開発研究所研究員
 早稲田大学博士後期課程修了（博士（工学））
 早稲田大学助教
 筑波大学助教，同 准教授

受講料

48,600円 ( S&T会員受講料 46,170円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

S&T会員なら、2名同時申込みで1名分無料
2名で48,600円 (2名ともS&T会員登録必須​／１名あたり定価半額24,300円)  

【1名分無料適用条件】
※2名様ともS&T会員登録が必須です。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、１名あたり定価半額で追加受講できます。
※受講券、請求書は、代表者に郵送いたします。
※請求書および領収証は1名様ごとに発行可能です。
　(申込みフォームの通信欄に「請求書１名ごと発行」と記入ください。)
※他の割引は併用できません。

得られる知識

・スパースモデリングの基本的な考え方がわかる
・スパースモデリングを回帰モデリングの観点から理解できる
・実問題への適用例が理解できる

キーワード：
　スパースモデリング，機械学習，種々の統計モデル，応用統計，データサイエンス

対象

実務・研究において予測．特に回帰分析を利用する人
実務・研究においてどのような考え方で予測モデルを選べばよいかを知りたい人
線形代数，微分積分，確率統計の初歩など，理系大学初年度程度の知識があると望ましい

セミナー趣旨

　大量のデータに含まれる少数の本当に重要なデータを抽出したい、あるいは少数の観測から背後にある多数のパラメタを推定したい、といったニーズは様々な産業分野で日々産まれ続けている。計測技術の高度化やストレージの低価格化、折しものビッグデータブームに後押しされ、たくさんのセンサーによる計測結果を記録したはよいものの、その中から有用な情報を取り出すことが出来ないということも多い。
　スパースモデリングは、「同じことがらを説明できるならば、説明に用いるモデルは簡潔な方がよい」という、合理的な先見知識を導入することで、大量のセンサーデータに埋もれた本質的に重要な信号を取り出したり、未知のパラメタの数よりもはるかに少ない回数の計測データを用いてパラメタ同定を行ったりするための技術の総称であり、既に統計的データ解析、機械学習の現場において必要不可欠な方法論となっている。
　本セミナーでは、おもに統計における正則化線形回帰という視点からスパースモデリングを概観し、多数提案されている主要な発展的手法も解説する。さらに。具体的な問題をスパースモデリングにより定式化して効率的に解決する事例を、簡単なプログラム例とデモを交えて紹介する。

セミナー講演内容

１．機械学習概論
　1.1 機械学習の問題設定
　1.2 教師有り，なし学習
　1.3 生成・識別モデル

２．スパースモデリングの導入
　2.1 重回帰分析
　2.2 正則化回帰
　2.3 Lasso：L1正則化線形回帰
 
３．発展的な手法
　3.1 様々なスパース性
　3.2 正則化とバイアス
　3.3 ベイズモデルとしての理解

４．実データ解析の応用例
　4.1 オープンソースライブラリを利用した実データの分析例
　4.2 工学的応用例

５．まとめ

 □ 質疑応答 □