機械学習概論(MO) 短時間で学ぶ機械学習のエッセンス
講座の趣旨
- 機械学習によってどのような分析や予測が可能なのか、また利用にあたってどのような考え方が重要なのかを学びます。
- 機械学習について、最先端の学問的話題を含む広範な話題を俯瞰します。
- 体系的・理論的に学ぶとともに、自然言語処理、異常検知、物体認識、画像生成などいくつかのトピックをとり上げ、具体的な手法適用についても紹介します。
- 演習は行いませんので、プログラミング技術は必要としません。
到達目標
- 機械学習の概念と特徴について説明できる。
- 機械学習によってどんなことが可能になるのかを理解している。
- 機械学習の主な手法について、その概念と特徴を理解している。
- 期待損失最小化、過学習、データ形式など、機械学習を利用する際の重要な考え方を理解している。
- 機械学習の技術者の説明を数理的に理解することができ、適切な判断が下せる。
数学レベル
- 高校までの理系数学と大学1・2年生レベルの偏微分、積分、行列について、あらかじめある程度知っていることが望ましいです。
カリキュラム
-
- 機械学習を取り巻く現状
- 機械学習の歴史
- 機械学習の数理
- 教師あり学習(回帰、判別)
- 機械学習の考え方(学習モデルと損失、過学習と正則化、交差検証、変数選択)
- 高次元スパース推定(Lasso、その他種々のスパース正則化)
- 教師なし学習(クラスタリング、トピックモデル、word2vec、関係データ解析、異常検知)
- 深層学習(モデルと学習手法、CNN・ResNet、SGD、物体認識・物体検出、その他応用例)
- 生成モデル(GAN)
- 自然言語処理(キャプション生成、機械翻訳)
- 深層学習の脆さ(敵対的データ)