Summary
本セミナーでは、確率推論の考え方を用いた機械学習の基礎を解説し、近年ベイズ統計の応用の場で重要なツールとなっているMCMCのアルゴリズムや代表的な確率モデルを紹介します。
近年データ解析や人工知能の基礎研究や応用領域は急速な転換期を迎えています。
特に2006年に発表された論文から一大ブームを巻き起こした深層学習は、大規模なモデルを大量データによって学習させることによって高精度な統計的予測を可能にしました。
一方で、大量データを取り扱う領域において実用面での要求も多様化しており、深層学習においてはモデルが出力する結果の解釈性や、予測の信頼性に関して課題があるとされています。
また、2018年にリリースされたGPTなどの大規模言語モデルに代表されるように、単純な教師あり学習による回帰や分類だけではなく、データの自動生成など応用範囲も複雑かつ多岐にわたってきています。
このような大量データ解析におけるニーズの多様化・用途の深化に対応するために、理論面と応用面の双方で実績の高いベイズ統計の考え方をベースに深層学習を解釈・発展させようという試みが広がっています。
本セミナーでは、ベイズ統計や深層学習の基礎を解説し、またそれらの理論的なつながりや、両者の融合によってもたらされる応用の拡大に関しても触れ、技術の急激な進化により変化し続ける時代にも即応できるような基礎力を獲得することを目標とします。
【キーワード】
- 深層学習
- 機械学習
- ベイズ統計
- MCMC
【提供内容】
以下の内容を閲覧可能です。
・講義動画
・講義資料
【講師】
[略歴]
東京工業大学情報工学科卒業、東京大学大学院情報理工学系研究科修士課程修了。
国内電気メーカー、イギリスのスタートアップの研究職を経て、現職。
講演会やSNS、ブログなどを通して人工知能やデータサイエンスの理論、実応用に関する情報を発信中。
著書に「ベイズ推論による機械学習入門」「ベイズ深層学習」（共に講談社）がある。
\受講プログラム/
約40分間の講義動画を前編と後編に分けた2本立てとなっており、
合計で約80分のセミナーとなっております。
【注意事項（必ずお読みください）】
- セミナーの内容に関するご質問への対応は行なっておりません
-
ご購入後の返金は致しかねますので、ご了承ください
【免責事項（必ずお読みください）】
- 本ページの内容は予告なく変更する場合がございます
- 主催者の諸般の事情や、天災地変その他の不可抗力の事態により、本講座の一部あるいは全部を中止させていただく場合がございます
【お問い合わせ】
ご質問やご不明点などがある方は、お手数ですがフッター部分にある「お問い合わせ」リンクよりご連絡くださいませ。