• 2018年09月03日(月) 10:30 ~ 17:30

１.ベイズ統計とは
　　（１）．背景と目的
　　　　　a. ビッグデータ、データマイニングとデータ
　　　　　b. 機械学習・ベイズ解析・人工知能の潮流　
　　　　　c. ベイズ統計の目的
　　（２）．どうして確率・統計が必要なのか
　　　　　a. 実世界のモデル化
　　　　　b. 情報の不確実性
　　　　　c. 最適な意思決定
　　（３）．ベイズ統計とは
　　　　　a. ベイズ統計における３＋１の段階
　　　　　b. 事前知識のモデル化
　　　　　c. ベイジアンネットによる表現
　　　　　d. ベイズ推論

２．ベイズ統計の基礎
　　（１）．確率の基礎とベイズの定理
　　　　　a. 確率変数と確率
　　　　　b. 条件つき確率とベイズ推論
　　　　　c. 事前分布と事後分布
　　　　　d. ベイズでない統計についての補足
　　（２）．ベイズ決定
　　　　　a. 確率から決定へ
　　　　　b. ベイズ損失
　　　　　c. 最適ベイズ決定則

３．ベイズ統計解析の流れ
　　（１）．R言語によるベイズ統計
　　　　　a. 言語の特徴
　　　　　b. Rによる基本的なデータ処理
　　（２）．ベイズ線形回帰
　　　　　a. ベイズでない線形回帰
　　　　　b. 次元の呪い
　　　　　c. ベイズ線形回帰
　　　　　d. スパース線形回帰
　　（３）．推論アルゴリズム
　　　　　a. ベイズ計算の難しさ
　　　　　b. 単純ベイズ法
　　　　　c 変分ベイズ法
　　　　　d. マルコフ連鎖モンテカルロ法

４．いろいろなベイズ解析の紹介
　　（１）．潜在変数モデル
　　　　　a. クラスタリング
　　　　　b. 主成分分析・因子分析・独立成分分析
　　　　　c. 時系列予測とパーティクルフィルタ
　　（２）．ディープラーニング
　　　　　a. ニューラルネットワーク
　　　　　b. 畳み込みネットワーク
　　　　　c. オートエンコーダー
　　（３）．最適化のためのベイズ計算
　　　　　a. マルコフ連鎖モンテカルロ法と最適化
　　　　　b. レプリカ交換法
　　　　　c. ベイズ最適化

５．まとめと質疑応答

日本テクノセンター研修室