(国研)産業技術総合研究所　情報・人間工学領域　上級主任研究員　博士(工学)　赤穂 昭太郎　氏
【講師紹介】

　機械学習の手法は多種多様で、学ぶにしても使うにしても迷子になってしまうことがあります。ベイズモデリングはすべての要素を確率として扱うことで、機械学習にシンプルで統一的に理解できます。また、データ数が少ない状況で機械学習したいとか、人間の知識と機械学習を融合したいとかいった実用上の問題点に対しても有効です。
　本セミナーでは、確率の基本からベイズモデリングの最前線までを単純なデータを使った実演や具体的な応用事例紹介を通じて、ベイズモデリングに基づく機械学習の全体像の理解を目指します。

1．ベイズモデリングの基本
　（1）確率によるモデリング
　（2）機械学習とベイズモデリング
　　　a. ベイズモデリングの利点・欠点
　（3）ベイズ統計学の基本
　　　a. 確率の基本事項
　　　b. ベイズの定理
　　　c. ベイズモデリングの手順
　（4）確率と意思決定
　　　a. ベイズ決定理論
　（5）モデルの選択
　（6）ベイズ線形モデル
　　　a. 正則化とベイズの関係
　　　b. 予測分布
　　　c. ハイパーパラメータの決め方
　　　d. スパースモデリング
　　　e. ガウス過程
　（7）グラフィカルモデルとベイジアンネットワーク
　　　a. ベイジアンネットワーク
　　　b. 線形回帰のベイジアンネットワーク
　　　c. 学習と推論
　　　d. グラフィカルLASSO
　　　e. 単純ベイズ法と迷惑メールフィルタ
      f. カルマンフィルタ・パーティクルフィルタによるデータ同化

2．ベイズモデリングの実践
　（1）ドメイン知識とシミュレーション
　　　a. 基本的確率モデルのいろいろ
　（2）事前分布の決め方
　　　a. 共役事前分布
　（3）信念伝播アルゴリズム
　（4）事後分布の近似法
　　　a. 変分ベイズ法とクラスタリングにおける実例
　　　b. トピックモデルと行列分解
　（5）マルコフ連鎖モンテカルロ法と実例
　　　a. いろいろなMCMC
　　　b．stan によるモデリング

3．ベイズモデリングの広がり
　（1）転移学習と半教師あり学習
　（2）ベイズ深層学習
　（3）ベイズ最適化による実験計画法
　（4）シミュレーションとレプリカ交換法

□質疑応答□