概要
機械学習のバイブルとして知られるPRMLを通して，ベイズ理論に基づいた統一的な視点から，機械学習とパターン認識に関する理論や手法を理解します．本勉強会では，確率分布，線形回帰/識別，カーネル法，SVM，グラフィカルモデル，EMアルゴリズム，変分ベイズ法，モンテカルロ法，次元削減，隠れマルコフモデル，アンサンブルなど多岐にわたるトピックを扱います．
目的
- 機械学習全般の知識を身につける．
第1章:序論
第2章:確率分布
第3章:線形回帰モデル
第4章:線形識別モデル
第5章:ニューラルネットワーク
第6章:カーネル法
第7章:疎な解を持つカーネルマシン
第8章:グラフィカルモデル
第9章:EMアルゴリズム
第10章:近似推論法
第11章:サンプリング法
第12章:連続潜在変数
第13章:系列データ
第14章:モデルの結合
実施期間・日時
第1回
場所: 東工大 (大岡山)
日時: 2019年4月 - 7月, 毎週火曜日17時 - 19時
第2回
場所: オンライン (Zoom)
日時: 2020年2月 - 3月, 毎週日曜日15時 - 17時
参考資料
[1] C. M. ビショップ, 元田 浩 他 監訳. パターン認識と機械学習 (上/下). 丸善出版, 2012.