セミナー 印刷

<ベイズ学習の基本と応用>
ベイズ統計を利用した機械学習:基礎と実践

■ベイズ統計の基礎理論■ ■事後分布の近似法■
■階層ベイズモデリングと学習■ ■ベイズ学習の応用例■

受講可能な形式:【Live配信(アーカイブ配信付)】のみ
 

★ アーカイブ配信のみの受講可。
★ 不確かな環境下での予測・意思決定、分析に有用な理論体系を用いた機械学習アルゴリズムへ!
日時 【Live配信(アーカイブ配信付き)】 2025年3月19日(水)  13:00~16:30
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
  2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額の24,750円)
テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】
 1名申込みの場合: 受講料 39,600円 (E-Mail案内登録価格 37,840円)
 定価:本体36,000円+税3,600円、E-Mail案内登録価格:本体34,400円+税3,440円
  ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。
  ※他の割引は併用できません。
特典■Live受講に加えて、アーカイブでも1週間視聴できます■
【アーカイブの視聴期間】2025年3月20日(木)~3月26日(水)まで
※このセミナーはアーカイブ付きです。セミナー終了後も繰り返しの視聴学習が可能です。
アーカイブ(見逃し)配信について
※視聴期間は終了翌日から7日間を予定しています。またアーカイブは原則として編集は行いません。
※マイページからZoomの録画視聴用リンクにてご視聴いただきます。
配布資料PDFデータ(印刷可・編集不可)
※開催2日前を目安に、S&T会員のマイページよりダウンロード可となります。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください)
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

セミナー講師

藤田医科大学 医学部 医用データ科学講座 教授 吉本 潤一郎 氏
<主なご経歴・研究内容・専門・ご活動・受賞など>
1998年 関西大学 総合情報学部卒業
2002年 奈良先端科学技術大学院大学 情報科学研究科 博士後期課程修了 博士(工学)
機械学習、ニューロコンピューティング、計算神経科学などの研究に従事。電子情報通信学会情報・システムソサエティ副会長(編集会議担当)、電子情報通信学会ニューロコンピューティング研究専門委員会副委員長などを担当。
2022年 日本精神神経学会フォリア賞、2024年 日本神経回路学会論文賞などを受賞。

セミナー趣旨

 ベイズ統計は不確かな環境下での予測や意思決定、分析に有用な理論体系であり、これを用いて導出された機械学習アルゴリズムはベイズ学習とも呼ばれます。本講座では、初学者を対象にベイズ学習の基本原理から実際の応用例を紹介し、その有用性や奥深さをお伝えできればと思います。

セミナー講演内容

<タイムスケジュール(※目安)>
13:00
 | 講義90分
14:30
 | 休憩10分
14:40
 | 講義90分
16:10
 | 質疑応答20分
16:30

<得られる知識・技術>
・研究開発等でベイズ学習を利用するために最低限必要な基礎知識
・様々な分野へのベイズ学習の適用事例
・高次元小標本に有効な機械学習法


<プログラム>
1.はじめに:機械学習におけるベイズ統計の必要性と有用性

2.ベイズ統計の基礎理論
 2.1 確率論の基礎
 2.2 条件付き確率とベイズの公式
 2.3 統計的推論:頻度主義統計 vs ベイズ統計
 2.4 事前確率分布と事後確率分布
 2.5 ベイズ統計による代表的な確率分布の母数推定
 2.6 ベイズ決定理論
 2.7 パターン認識とナイーブベイズ法

3.事後分布の近似法
 3.1 モンテカルロサンプリング
 3.2 ラプラス近似法
 3.3 変分近似法

4.階層ベイズモデリングと学習
 4.1 スパース回帰
 4.2 混合正規分布とクラスタリング
 4.3 RBFネットワーク学習
 4.4 線形状態空間モデルとカルマンフィルタ

5.ベイズ学習の応用例
 5.1 部分観測環境下でのオブジェクト追跡
 5.2 神経スパイクデータに基づく神経回路構造推定
 5.3 様々な心理・生理指標に基づくヒトの特性分類


  □質疑応答□