機械学習 (Machine Learning)

講義内容

1. 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．

2. 機械学習基礎2
   ベイズ規則，判別問題，判別代理損失．

3. 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

4. 機械学習基礎4
   バイアス・バリアンス分解，リッジ回帰・LASSO．

5. 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．

6. 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．

7. 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．

8. 機械学習とPython言語２
   機械学習の前処理．

9. 機械学習とPython言語３
   交差検証，モデル各論． 

10. 機械学習とPython言語４
    モデル各論．

11. 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．

12. 深層学習２
    種々のモデリング，応用例紹介．

13. 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

14. データ生成２
    敵対的生成ネットワーク (GAN), f-GAN, Wasserstein GAN

15. 深層学習３
    Sharpness Aware Minimization．

講義資料