ベイズの定理

セミナー概要 セミナーのテーマ ベイズモデリングの基礎と応用 ベイズモデリングの実践テクニック ベイズモデリングの利点と欠点 こんな方におすすめです データ解析や機械学習を実践しようとしている方・実践されている方 機械学習をブラックボックスではなく既存の知識と組み合わせて構築することに興味がある方 機械学習の結果の信頼性評価など確率的な側面に興味がある方 ベイズモデリングによる機械学習の理解と実践 ～ベイズ的アプローチにより機械学習の全体像をつかむ～ ベイズモデリングの考え方、基本手順、利点と欠点、ベイズモデリングの実践テクニック実用上の問題点・課題の解決の糸口としてのベイズモデリング 講師 （国研）産業技術総合研究所 情報・人間工学領域 上級主任研究員 博士（工学） 赤穂 昭太郎 氏【略歴】東京大学大学院工学系研究科修了，機械学習の理論と応用に関する研究に従事【専門】統計的機械学習や最適化，ニューラルネットワーク【Webページ】http://staff.aist.go.jp/s.akaho/index-j.html セミナー趣旨、ポイント 機械学習には多くの手法があり、どこから手をつけるべきか迷うことも少なくありません。ベイズモデリングは、すべての不確実性を確率として扱うことで、機械学習を統一的・直感的に理解できる枠組みです。少数データでの学習や人間の知見との融合にも強みがあります。 本セミナーでは、確率の基本から応用までを平易なデータや事例を用いて解説し、ベイズ的アプローチによる機械学習の全体像をつかむことを目指します。 こんな方におすすめ ・データ解析や機械学習を実践されようとしている方・実践されている方・機械学習をブラックボックスではなく既存の知識と組み合わせて構築することに興味がある方・機械学習の結果の信頼性評価など確率的な側面に興味がある方 得られる知識 ・ベイズモデリングの考え方や基本的な手順・ベイズモデリングを用いた機械学習の全体像に関する理解 プログラム 1．ベイズモデリングの基本 （1）確率によるモデリング （2）機械学習とベイズモデリング a. ベイズモデリングの利点・欠点 （3）ベイズ統計学の基本 a. 確率の基本事項 b. ベイズの定理 c. ベイズモデリングの手順 （4）確率と意思決定 a. ベイズ決定理論 （5）モデルの選択 （6）ベイズ線形モデル a. 正則化とベイズの関係 b. 予測分布 c. ハイパーパラメータの決め方 d. スパースモデリング e. ガウス過程 （7）グラフィカルモデルとベイジアンネットワーク a. ベイジアンネットワーク b. 線形回帰のベイジアンネットワーク c. 学習と推論 d. グラフィカルLASSO e. 単純ベイズ法と迷惑メールフィルタ f. カルマンフィルタ・パーティクルフィルタによるデータ同化2．ベイズモデリングの実践 （1）ドメイン知識とシミュレーション a. 基本的確率モデルのいろいろ （2）事前分布の決め方 a. 共役事前分布 （3）信念伝播アルゴリズム （4）事後分布の近似法 a. 変分ベイズ法とクラスタリングにおける実例 b. トピックモデルと行列分解 （5）マルコフ連鎖モンテカルロ法と実例 a. いろいろなMCMC b．stan によるモデリング3．ベイズモデリングの広がり （1）転移学習と半教師あり学習 （2）ベイズ深層学習 （3）ベイズ最適化による実験計画法 （4）シミュレーションとレプリカ交換法質疑応答