• 2018年08月07日(火) 10:30 ~ 17:30

１．機械学習の概要
　　（１）．ビッグデータ時代
　　（２）．機械学習とは？
　　（３）．最近の例
　　（４）．機械学習の分類
　　（５）．教師あり学習
　　　　　ａ．識別
　　　　　ｂ．回帰
　　（６）．教師なし学習
　　　　　ａ．モデル推定
　　　　　ｂ．パターンマイニング
　　（７）．半教師あり学習
　　（８）．深層学習（ディープラーニング）
　　（９）．強化学習
　（１０）．機械学習の基本的な手順
　　　　　ａ．前処理
　　　　　ｂ．次元の呪い
　　　　　ｃ．次元圧縮の例（主成分分析）
　　　　　ｄ．バイアスとバリアンス
　　　　　ｅ． 評価基準の設定：クロスバリエーション
　　　　　ｆ．簡単な識別器：k-近傍法
　　　　　ｇ．評価指標：F値，ROC曲線
　（１１）．k-近傍法を用いた実習：機械学習の基本的な手順の確認

２． 識別１：ベイズ学習
　　（１）．統計的機械学習とは
　　（２）．学習データの対数尤度
　　（３）．２次元２値の場合
　　（４）．ナイーブベイズ分類器
　　（５）．ベイジアンネットワーク
　　（６）．簡単な例
　　（７）．ベイジアンネットワークの構成
　　（８）．ベイジアンネットワークを用いた識別
　　（９）．ナイーブベイズ分類器を用いた実習

３．識別２：線形識別モデル
　　（１）．識別モデル
　　（２）．ロジスティック回帰概要
　　（３）．ロジスティック回帰の導出
　　（４）．ロジスティック回帰の学習
　　（５）．確率的最急勾配法
　　（６）．正則化
　　（７）．ロジスティック回帰を用いた実習

４．識別３：サポートベクトルマシン
　　（１）．サポートベクトルマシンとは
　　（２）．マージン最大化のための定式化
　　（３）．マージン最大化とする識別面の計算
　　（４）．ソフトマージン
　　（５）．カーネル関数
　　（６）．簡単なカーネル関数の例
　　（７）．入れ子交差検証によるハイパーパラメータ調整
　　（８）．サポートベクトルマシンを用いた実習

５．識別４：パーセプトロンから深層学習まで
　　（１）．単純パーセプトロン
　　（２）．誤り訂正学習
　　（３）．最小二乗法による学習
　　（４）．多層ニューラルネットワーク
　　（５）．逆誤差伝搬法による学習
　　（６）．深層学習とは
　　　　　ａ． 従来の識別学習との違い
　　　　　ｂ．深層学習の分類
　　　　　ｃ．最近の応用例
　　（７）． 多階層ニューラルネットワークの学習における問題
　　（８）．自己符号化器（AutoEncoder）による事前学習
　　（９）．DropOut法による過学習の抑制
　（１０）．自己符号化器を用いた深層学習による実習

　６．まとめと質疑応答

日本テクノセンター研修室