初心者向けセミナーです 速習セミナー~スパースモデリング入門【Web配信】

※本セミナーは、Zoom/ウェビナーを使用して行います

統計の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
多数提案されている主要な発展的手法も解説!

【項目】※クリックするとその項目に飛ぶことができます

    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。

    習得できる知識

    ・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
    ・信号処理や自然科学の実問題への適用例が理解できる

    セミナープログラム

    1. 確率統計と線形代数の準備
        1.1 確率分布,密度関数
        1.2 行列のランク,ベクトルのノルム
    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 一般化線形モデル
    4. オープンソースライブラリを利用した分析例
        4.1 glmnetによる正則化回帰・判別の例
        4.2 Fused Lassoによる時系列処理の例
        4.3 Graphical Lassoによる共分散構造選択の例
    5. まとめ
        (質疑応答) 

    セミナー講師

    日野 英逸 氏
    統計数理研究所 教授 博士(工学)
    < 講師紹介 >
    主経歴
      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
    専門・得意分野
      機械学習,データ解析,応用統計,スパースモデリング
    本テーマ関連の学会・協会・団体等
      電子情報通信学会,IEEE,日本神経回路学会,日本鉄鋼協会

    セミナー受講料

    お1人様受講の場合 46,000円[税別]/1名
    1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)
    受講申込ページで2~3名を同時に申し込んだ場合、自動的に1口申し込みと致します。


     

    受講料

    50,600円(税込)/人

    ※セミナーに申し込むにはものづくりドットコム会員登録が必要です

    開催日時


    10:30

    受講料

    50,600円(税込)/人

    ※本文中に提示された主催者の割引は申込後に適用されます

    ※銀行振込

    開催場所

    全国

    主催者

    キーワード

    機械学習・ディープラーニング   データマイニング/ビッグデータ   回帰分析

    ※セミナーに申し込むにはものづくりドットコム会員登録が必要です

    開催日時


    10:30

    受講料

    50,600円(税込)/人

    ※本文中に提示された主催者の割引は申込後に適用されます

    ※銀行振込

    開催場所

    全国

    主催者

    キーワード

    機械学習・ディープラーニング   データマイニング/ビッグデータ   回帰分析

    関連記事

    もっと見る