機械学習 (Machine Learning)
講義内容
講義内容
機械学習基礎1
機械学習の導入,確率,回帰と判別,期待損失.機械学習基礎2
ベイズ規則,判別問題,判別代理損失.機械学習基礎3
判別代理損失,教師あり学習,経験損失,モデル,正則化機械学習基礎4
バイアス・バリアンス分解,リッジ回帰・LASSO.確率的勾配降下法1
最急降下法,確率的勾配降下法,非凸の収束率解析.確率的勾配降下法2
ミニバッチ法,強凸関数に対する収束率解析,分散縮小.機械学習とPython言語1
Pythonを用いた機械学習の実行環境と使用法.機械学習とPython言語2
機械学習の前処理.機械学習とPython言語3
交差検証,モデル各論.機械学習とPython言語4
モデル各論.深層学習1
ニューラルネットワーク,誤差逆伝播,適応的学習法,種々の学習技法.深層学習2
種々のモデリング,応用例紹介.データ生成1
最尤推定,変分オートエンコーダー,ディスエンタングルメントデータ生成2
敵対的生成ネットワーク (GAN), f-GAN, Wasserstein GAN深層学習3
Sharpness Aware Minimization.
講義資料
講義資料
![](https://www.google.com/images/icons/product/drive-32.png)
![](https://www.google.com/images/icons/product/drive-32.png)