Machine Learning A Probabilistic Perspective輪読会#36

Jun

19
Machine Learning A Probabilistic Perspective輪読会#36
機械学習の根本的理解を目指そう！

Organizing : 思考ラボ

Hashtag ：#機械学習

Registration info	参加枠 Free FCFS 8/30
参加者への情報	(参加者と発表者のみに公開されます)

Description

Machine Learning A Probabilistic Perspective 輪読会について

機械学習、ディープラーニングの理解に必要となる基礎理論を網羅した大作「Machine Learning - A Probabilistic Perspective (MLaPP)」をじっくりと学んでいく会です。
Christopher Bishop著のPRMLの発展版とも言われ、機械学習を根本から理解したい方におすすめです。

主催者側もこの分野に関しては素人なので、一緒に学んでいきましょう。

使用するテキスト

「Machine Learning - A Probabilistic Perspective」

アマゾン
※ネットでPDF版が落とせるようです

キーワード

人工知能、機械学習、確率統計

前提となる知識

線形代数の基礎
確率統計の基礎

日時

2022年6月19日（日）　13:30〜15:45

その後の予定（仮）
　2022年7月17日（日）
　2022年8月21日（日）

タイムテーブル

時間	内容
13:00	ZoomのミーティングID、パスワードを通知
16:00 - 16:05	輪読会（主催団体）の説明
16:05 - 16:10	簡単な自己紹介
16:10 - 18:00	勉強会（途中休憩を挟む場合があります）

前回までの内容

	内容
第1回	Section 1 Introduction pp.1-22
第2回	Section 2 Probability pp.27-38
第3回	Section 2 Probability pp.38-49
第4回	Section 2 Probability pp.49-Last Section 3 Generative models for discrete data pp.65-68
第5回	Section 3 Generative models for discrete data pp.69-81
第6回	Section 3 Generative models for discrete data pp.82-Last
第7回	Section 4 Gaussian models pp.97-107
第8回	Section 4 Gaussian models pp.107-114
第9回	Section 4 Gaussian models pp.114-125
第10回	Section 5 Bayesian statistics pp.149-163
第11回	Section 4 Gaussian models pp.125-130 Section 5 Bayesian statistics pp.163-165
第12回	Section 5 Bayesian statistics pp.166-171
第13回	Section 5 Bayesian statistics pp.171-176
第14回	Section 5 Bayesian statistics pp.176-Last
第15回	Section 6 Frequentist Statistics pp.191-199
第16回	Section 6 Frequentist Statistics pp.199-205
第17回	Section 6 Frequentist Statistics pp.205-214
第18回	Section 6 Frequentist Statistics pp.214-215 Section 7 Linear regression pp.217-222
第19回	Section 7 Linear regression pp.222-230
第20回	Section 7 Linear regression pp.230-
第21回	Section 8 Logistic regression pp.245- 254
第22回	Section 8 Logistic regression pp.254- 264
第23回	Section 8 Logistic regression pp.265- Last
第24回	Section 9 Generalized linear models and the exponential family pp.282-290
第25回	Section 9 Generalized linear models and the exponential family pp.293-300
第26回	Section 9 Generalized linear models and the exponential family pp.300 - Last Section 10 Directed graphical models pp.307 - 310
第27回	Section 10 Directed graphical models pp.310-320
第28回	Section 10 Directed graphical models pp.320-327
第29回	Section 10 Directed graphical models pp.327-Last Section 11 Mixture models and the EM algorithm pp.337-342
第30回	Section 11 Mixture models and the EM algorithm pp.342-357
第31回	Section 11 Mixture models and the EM algorithm pp.357-367
第32回	Section 11 Mixture models and the EM algorithm pp.367 Section 12 Latent Linear Models pp.381-382
第33回	Section 12 Latent Linear Models pp.382-388
第34回	Section 12 Latent Linear Models pp.388-399
第35回	Section 12 Latent Linear Models pp.399-412