貴重なデータを最大限生かすための技術を紹介！
※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
【アーカイブ配信：4/28～5/9（何度でも受講可能）】の視聴を希望される方は、こちらからお申し込み下さい。
１．機械学習の概要
1-1 ビッグデータとディープデータ
a. 少量データを克服する４つの方針
1-2 次元の呪いと汎化能力
a.線形回帰を例として（一番簡単な機械学習）
b.汎化能力と高次元データ
1-3 データ解析の基本手順
a.データの身体化
b.主成分分析とクラスタリング
c.機械学習の基本手法
２．少数・高次元データの学習のための技術
2-1 スパースモデリングと正則化
a.正則化によるモデル選択
b.いろいろな正則化の比較
2-2 圧縮センシングによる高解像度撮像
a.ブラックホールやMRIの撮像技術
2-3 シミュレーションデータを活用したスパースモデリング
３．人間の知識をモデル化するための技術
3-1 ベイジアンネットを使ったモデル化法
a.生成モデルと推論
b.ベイジアンネットワーク
c.グラフィカルLASSO
3-2 ベイズ推論のための計算アルゴリズム
a.確率伝播法
b.変分ベイズ法
c.マルコフ連鎖モンテカルロ法
3-3 データ同化と状態空間モデルによる時系列モデリング
a.カルマンフィルタとパーティクルフィルタ
４．結果の評価・可視化・説明
4-1 機械学習結果の評価法
4-2 信頼度付き機械学習
a.ガウス過程回帰
b.機械学習と仮説検定
4-3 ディープラーニングの結果の解釈と説明
a.感度分析
b.敵対的学習
５．データ不足を補ういろいろな技術
5-1 異常検知のための技術
5-2 半教師あり学習
a.欠損値補完
5-3 転移学習とマルチタスク学習
a.ディープラーニングにおける少数画像の学習
5-4 実験計画による効率的データ取得法
a.アクティブラーニング
b.ベイズ最適化
c.マルコフ連鎖モンテカルロ法による最適化