第1回:統計的機械学習概観(コンセプトから応用例まで)
第2回:教師あり学習の基礎(線形モデル,線形基底関数モデルとその「ベイズ化」)
第3回:ニューラルネットワークと深層学習の基礎(MLP,CNN,RNN)
第4回:教師無し学習の基礎(主成分分析,オートエンコーダ,デノイジング)
第5回:生成モデルの基礎 I(「データの生成」とは何か,正規混合モデル,変分オートエンコーダ,拡散モデル)
第6回:生成モデルの基礎 II(トランスフォーマー,自己教師あり学習,大規模言語モデル)
第7回:少ないデータのもとでの機械学習 I(転移学習の基礎,その医学・材料科学問題への応用)
第8回:少ないデータのもとでの機械学習 II(適応的実験計画の基礎,その医学・材料科学問題への応用)
統計的機械学習の概要と,さまざまなアルゴリズムの特に数理的な側面に関する理解を深めることを目指す.
第1回:統計的機械学習と統計的学習理論への招待 [スライド]
第2回:線形モデルからはじめるガウス過程モデルの基礎 [スライド]
第3回:ニューラルネットワークと深層学習の基礎 [スライド]
第4回:教師なし学習:主成分分析からオートエンコーダへ [スライド]
第5回:生成モデルの基礎:正規混合モデルから変分オートエンコーダへ [スライド]
第6回:機械学習に基づく適応的実験計画:ベイズ最適化と能動的レベル集合推定の基礎と実践 [スライド]
第7回:転移学習の基本概念と確率密度比に基づくドメイン適応の基礎 [スライド]