確率的グラフィカルモデルと因果推論への応用 ~演習付~ <オンラインセミナー>

~ マルコフネットワークとベイジアンネットワーク、スコアベースの構造学習、因果順序の推定、疑似尤度を用いたグラフの構造学習 ~

・独学では難しいグラフィカルモデルを修得し、データサイエンスに応用するための講座

・複雑なモデルを簡潔に記述できるグラフィカルモデルを学び、因果推論へ応用して、根拠をもった明確なアクションプランを作成しよう! 

・これまでのデータサイエンスでは難しかったデータから現象間の因果関係を明らかにする「因果推論」について詳解いたします

講師の言葉

 グラフィカルモデルは、大学の講義やテキストが少なく、奥が深いので、独学が難しい。ベイジアンネットのツールを操作できても、得られた解釈に自信が持てないことが多い。

 本セミナーでは、数式だけではなく、スクラッチのプログラムを追って、論理的に検証していく。話を聞いて知識を得るというよりは、手を動かして本質を把握するようにしたい。特に、1日の研修で、エキスパートとして活躍できるような、きっかけをつかむことができたら、と考えている。

 

オンラインセミナーの詳細はこちら:

・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。

セミナー詳細

開催日時
  • 2021年06月15日(火) 10:30 ~ 17:30
開催場所 オンラインセミナー
カテゴリー オンラインセミナーソフト・データ・画像・デザイン
受講対象者 ・システム、ソフト、データ解析関連の技術者の方
・データサイエンティスト、機械学習エンジニア、研究者の方
・心理統計などで、ベイジアンネットワークを克服したいという方
予備知識 ・RまたはPythonのプログラムの概略がわかること、統計学を勉強したことがあること
修得知識 ・ベイジアンネットワークの解釈、因果推論の解釈、カーネル、Lassoなどの機械学習の技法
プログラム

1.グラフィカルモデルの定義

  (1).条件付き独立性とグラフの分離性

  (2).マルコフネットワークとベイジアンネットワーク

 

2.独立性、条件付き独立性の検定

  (1).離散データの相互情報量の推定と、独立性、条件付き独立性

  (2).正定値カーネルと再生核Hilbert空間

  (3).Hilbert Schmidt Information Criterion(HSIC)

 

3.ベイジアンネットワークの構造学習

  (1).PCアルゴリズム

  (2).スコアベースの構造学習

  (3).森の学習

 

4.因果順序の推定

  (1).LiNGAMの一般論

  (2).多変数の場合のLiNGAM

  (3).交絡のある場合

 

5.高次元の場合の対応

  (1).Lasso

  (2).グラフィカルLasso

  (3).疑似尤度を用いたグラフの構造学習

キーワード グラフィカルモデル マルコフネットワーク ベイジアンネットワーク 独立性 正定値カーネル 再生核Hilbert空間 スコアベース 構造学習 因果順序 LiNGAM Lasso
タグ 統計・データ解析AI・機械学習ソフト管理OS・言語R言語
受講料 一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
会場
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日