サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス
セミナーのメニュー
  ヘルスケア系
ライブ配信
10月
11月
12月
2022年1月〜

化学・電気系 その他各分野
ライブ配信
10月
11月
12月
2022年1月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2021/10/8更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  



Zoom見逃し視聴あり

オンライン受講/見逃視聴なし → 

オンライン受講/見逃視聴あり → 

〇初学者にも分かりやすいよう、統計的機械学習理論を学ぶ上で重要となるトピックは網羅的に解説!
〇しっかりと基礎部分を把握しておきたいという方にもピッタリです。

機械学習から統計的機械学習へ 
〜グラフィカルモデルとデータサイエンス〜


<Zoomによるオンラインセミナー:見逃し視聴あり>

講師

山形大学 大学院理工学研究科 教授 安田 宗樹 先生

講師紹介

■ご略歴:
平成20年3月に東北大学大学院情報科学研究科博士後期課程を修了し、博士号(情報科学)を取得。同年4月〜7月日本学術振興会特別研究員として、機械学習並びに情報統計力学の研究に従事、東北大学大学院情報科学研究科助教、山形大学大学院理工学研究科准教授を経て、現在に至る。

■ご専門および得意な分野・研究:
1. 統計的機械学習、深層学習
2. データサイエンス(人工知能、及び、データマイニング)
3. 信号処理
4. 情報統計力学

■本テーマ関連学協会でのご活動:
1. 電気情報通信学会 正会員
2. 情報処理学会 正会員
3. 日本物理学会 正会員


日時・受講料

●日時 2021年12月16日(木) 10:30-16:30
●受講料
  【オンラインセミナー(見逃し視聴なし)】:1名47,300円(税込(消費税10%)、資料付)
  *1社2名以上同時申込の場合、1名につき36,300円

  【オンラインセミナー(見逃し視聴あり)】:1名52,800円(税込(消費税10%)、資料付)
  *1社2名以上同時申込の場合、1名につき41,800円

      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。


■ セミナーお申込手順からセミナー当日の主な流れ →

配布資料・講師への質問等について

●配布資料は、印刷物を郵送もしくはメール送付のどちらかを検討中です。
 お申込については4営業日前までのお申込みを推奨します。
 それ以降でもお申込みはお受けしておりますが(開催1営業日前の12:00まで)、
 テキストが郵送となった場合、資料の到着がセミナー後になる可能性がございます。


●当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
●本講座で使用する資料や配信動画は著作物であり
 無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
●受講に際しご質問・要望などございましたら、下記メールにてお問い合わせ下さい。 req@johokiko.co.jp

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい(クリックして展開「▼」:一部のブラウザーでは展開されて表示されます)
・PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
・ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
 各ご利用ツール別の、動作確認の上お申し込み下さい。
・開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。開催前日(営業日)の12:00までにメールが届かない場合は必ず弊社までご一報下さい。
・その他、受講に際してのご質問・要望などございましたら、下記メールにてお問い合わせ下さい。
 <req@johokiko.co.jp>

Zoom
Zoomを使用したオンラインセミナーとなります(クリックして展開「▼」)
・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

見逃し視聴あり
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

■はじめに
 本セミナーでは、確率的グラフィカルモデルと呼ばれる統計的機械学習モデルをテーマとして扱います。確率的グラフィカルモデルの利点は、なんと言っても、これ一つで多くのデータサイエンス(データマイニングや人工知能)ができるようになるという点です。これは、昨今の人工知能ブームにより盛り上がっているニューラルネットワークモデルとはその意味で一線を画すものです。データマイニングと人工知能を同時にこなすことのできる確率的グラフィカルモデルは、現在の人工知能の弱点(例えば、作成した人工知能の意味解釈が人間では困難である、など)を補填する可能性を大いに秘めた技術であり、将来の人工知能の核の一つになり得る技術と期待しています。
ただ残念なことに、学術業界以外では、確率的グラフィカルモデルに対する認知はまだほとんど広がっていません。本講義では、初学者にも分かりやすいよう、統計的機械学習理論を学ぶ上で重要となるトピックは網羅的に解説し、理論の基礎から全体像、そして、応用に対する考え方に至るまでを習得できるようにします。また、初学者だけに限らず、統計的機械学習理論を多少聞きかじったけれども、しっかりと基礎部分を把握しておきたいという方にもピッタリな内容となっています。内容の性質上、数式が多数出現しますが、必要に応じて補足をしていくので特殊な専門知識は必要ありません。大学初年度レベルの微積分、線形代数、確率統計の知識があるとより楽しめると思います。

■ご講演中のキーワード:
統計的機械学習、グラフィカルモデル、マルコフ確率場、データサイエンス、データマイニング、人工知能

■受講対象者:
・新しい(将来の)データサイエンスの切り口を知りたい方
・ 確率・統計に基づくデータサイエンスに興味のある方
・ 普通の機械学習に限界を感じている方

■必要な予備知識や事前に目を通しておくと理解が深まる文献、サイトなど:
・ 大学初年度レベルの微積分、線形代数、確率統計の知識。

■本セミナーで習得できること:
・統計的機械学習理論の基礎理解と概要把握から、実装に至るまでの一通りの知識を習得できる。
・ データマイニングと人工知能に関する包括的な知識を習得できる。
・ 新しい機械学習の可能性を知ることができる。

 セミナー内容

1. はじめに
(1) データマイニングと人工知能
(2) 機械学習とは何か?
 a. 教師あり学習
 b. 教師なし学習
(3) 深層学習概説
(4) データマイニングと人工知能の違い
(5) 統計的機械学習の目的とメリット
(6) 確率の基礎と例題
 a. 規格化条件
 b. 平均・分散
 c. 確率の和法則と積法則
 d. 例題で理解しよう

2. 統計的機械学習の基礎とマルコフ確率場
(1) ベイズ推定
(2) 統計的機械学習の枠組み
(3) マルコフ確率場
 a. 確率的グラフィカルモデルとは?
 b. ギブスサンプリング
 c. ボルツマンマシン
(4) マルコフ確率場の統計的機械学習の方法
 a. 最尤法
 b. 最尤法と情報理論
 c. EMアルゴリズム
(5) マルコフ確率場の問題点
 a. 組み合わせ爆発の問題
 b. 近似的アプローチ (モンテカルロ積分法)
(6) ガウス型マルコフ確率場

3. マルコフ確率場の応用例 (データ生成モデル、データマイニング)
(1) 統計的重回帰分析
 a. 通常の重回帰分析
 b. マルコフ確率場に基づく重回帰分析
(2) 画像ノイズ除去
(3) 道路交通量の(ナウ・キャスト)推定
(4) グラフマイニング
 a. スパースモデリングのアプローチ
 b. 項目間の関連マップの抽出

4. 人工知能への応用
(1) パターン認識問題とは?
(2) パターン認識問題のベイズ的定式化と逆問題
 a. 事後分布による逆推定
 b. AIシステムが何を見ているのか?
(3) ベイジアン・ディープラーニング

おわりに

(1) 統計的機械学習の意義とこれから

セミナー番号:AD211262

top

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.