・ご受講にあたり、環境の確認をお願いしております。
お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
→
確認はこちら
*Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
→
音声が聞こえない場合の対処例
・Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です
→
参加方法はこちら
→※一部のブラウザーは音声(音声参加ができない)が聞こえない場合があります、
必ず
テストサイトからチェック下さい。
対応ブラウザーについて(公式);コンピューターのオーディオに参加に対応してないものは音声が聞こえません
申込み時に(見逃し視聴有り)を選択された方は、見逃し視聴が可能です。
(クリックして展開「▼」)
・原則、開催5営業日後に録画動画の配信を行います(一部、編集加工します)。
・視聴可能期間は配信開始から1週間です。
セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
尚、閲覧用URLはメールでご連絡致します。
※万一、見逃し視聴の提供ができなくなった場合、
(見逃し視聴あり)の方の受講料は(見逃し視聴なし)の受講料に準じますので、ご了承下さい。
→こちらから問題なく視聴できるかご確認下さい(テスト視聴動画へ)パスワード「123456」
セミナーポイント
■ハンズオンPCについて
事前に以下のインストール・設定をお願い致します。
・インターネットブラウザ:Google Chromeの最新版を推奨
JavaScriptおよびCookieが利用可能な状態にしておいてください。
Google Colaboratory を利用予定です。
※Google Colaboratoryそのものについては事前にご確認下さい。
■講師より/本セミナーのポイント
スパースモデリングとは、一見複雑そうに見えるデータでも、本質的な部分はごくわずかであるという仮定を用いて、データから、その少数の本質を抽出するための方法論です。スパースモデリングは少ないデータからでも、本質を抽出することができ、MRI画像の撮像やブラックホールの撮像などで応用されています。
本講義では、スパースモデリングとは何なのかという話から、どのように実データに適用できるのかといった部分までお話しさせていただきます。講義中では、Google Colaboratoryを用いたハンズオンとして、主に画像データを中心にPythonでスパースモデリングを適用してみます。スパースモデリングを勉強するときには複雑な数式に悩まされることがあると思いますが、ハンズオンも交えた解説を通して、スパースモデリングを使う上での勘所を押さえていただければと思います。
尚、受講申込者には事前にアンケートを実施します。プログラミング経験や機械学習に関する興味対象などを予め伺い、皆様にマッチしたセミナーを目指します。
■受講対象者は?
・データを理解するためのデータ分析の手法を身に付けたい方
・ディープラーニング以外のデータ分析の手法に興味がある方
・スパースモデリングという言葉は聞いたことがあるが、何ができるのかわからない、どうやって使うのか困っている、という方
■受講することで得られる知識/ノウハウは?
・スパースモデリングの基礎知識
・スパースモデリングの直感的な理解
・スパースモデリングの応用事例
・スパースモデリングの実データへの活用方法
セミナー内容
1 スパースモデリングの基礎知識と実用例
1.1 スパースモデリングとは 〜他の手法との比較も含め〜
1.2 スパースモデリングの実用例
1.2.1 MRI画像への応用事例
1.2.2 ブラックホール撮像への応用事例
1.2.3 マテリアルズインフォマティクス への応用事例
2 Lassoの基礎知識とポイント
2.1 L0ノルム、L1ノルムのポイントと留意点
2.2 Lassoとは
2.3 Lassoの最小化アルゴリズムについて
2.4 Lasso ハンズオン 〜Google Colaboratoryを使って〜
2.4.1 スパース回帰分析
2.4.2テーブルデータに対する変数選択
2.4.3 実データにLassoを適用するときのTips
2.5 Generalized Lasso と その応用例
2.5.1 時系列データへの応用
2.5.2 画像データへの応用
3 辞書学習の基礎知識とポイント
3.1 行列分解とは
3.2 Non-negative Matrix Factorization
3.3 K-SVDアルゴリズム
3.4 辞書学習の応用事例
3.4.1 画像の異常検知 〜Google Colaboratoryを使って〜
3.4.2 ハイパースペクトル画像に対する辞書学習の適用
<質疑応答>