統計的機械学習 統計的機械学習 [鹿島 久嗣教授 研究室]
2nd_pc_border_top.png
統計的機械学習の基本的な考え方やアプローチを学ぶとともに、先端的な話題、とくにグラフやネットワークといった複雑な構造をもったデータを扱う手法を学びます。また、単に知識としての理解だけでなく、実際にデータを前に手を動かして、試行錯誤することでこれらの知識を実体験をもって理解することを目指します。
 
鹿島 久嗣
京都大学大学院 情報学研究科 知能情報学専攻 教授
鹿島 久嗣
 
山田 誠
京都大学大学院 情報学研究科 知能情報学専攻 准教授
山田 誠
統計的機械学習の基本的な考え方やアプローチを学ぶとともに、先端的な話題、とくにグラフやネットワークといった複雑な構造をもったデータを扱う手法を学びます。また、単に知識としての理解だけでなく、実際にデータを前に手を動かして、試行錯誤することでこれらの知識を実体験をもって理解することを目指します。
京都大学大学院 情報学研究科 知能情報学専攻 教授
鹿島 久嗣
鹿島 久嗣
 





京都大学大学院 情報学研究科 知能情報学専攻 准教授
山田 誠
山田 誠
前提知識 Python言語でのプログラミング経験、大学初等の微分積分・線形代数・確率統計の知識
2nd_pc_border_bottom.png
11月19日(木)
9:30~ 講義 機械学習概説
機械学習の考え方、応用
11:00~ 講義 回帰
回帰問題、線形回帰、最小二乗法、リッジ回帰
12:30~ 休 憩
13:30~ 演習 回帰
 
15:00~ 講義 非線形回帰
非線形回帰モデル、カーネル法、アンサンブルモデル
16:30~ 演習 非線形回帰
 
 
11月20日(金)
9:30~ 講義 機械学習の方法論
最適化、最尤推定、モデル選択
11:00~ 講義 分類
フィッシャー判別、ロジスティック回帰、ナイーブベイズ分類
12:30~ 休 憩
13:30~ 講義 ニューラルネットワーク
深層学習、計算グラフ、自動微分
15:00~ 演習 ニューラルネットワーク
 
16:30~ 講義 発展的話題
転移学習他
 
11月26日(木)
9:30~ 講義 推薦システム
行列分解、因子分解マシン、テンソル分解
11:00~ 演習 推薦システム
 
12:30~ 休 憩
13:30~ 講義 特徴選択と次元削減
Lasso、主成分分析、オートエンコーダ
15:00~ 演習 特徴選択と次元削減
 
16:30~ 講義 グラフ学習
グラフマイニング、グラフカーネル、ラベル伝播
 
11月27日(金)
9:30~ 講義 グラフニューラルネットワーク
グラフ畳み込みニューラルネットワークとその周辺
11:00~ 演習 グラフニューラルネットワーク
 
12:30~ 休 憩
13:30~ 講義 異常検知
教師なし異常検知、時系列異常検知
15:00~ 講義 発展的話題
強化学習、AIの説明可能性、因果推論、集合知
 
講座について
要項・申込
 
お問い合わせ お問い合わせ
©Kyoto University Original Co., Ltd. All rights reserved. ©Kyoto University Original Co., Ltd. All rights reserved.  
TOP