発展・専門

機械学習概論Ⅰ(第1回~第4回)PR用1分動画

機械学習は数学や計算機科学、脳科学といった分野の知識を結集した研究分野です。
この講義では、機械学習の基本的な手法や学習能力を向上させるための基本技術を理解するために、回帰モデルを題材として、汎化能力と正則化という技術を紹介します。最後に、正則化を応用したスパースモデリングについて学びます。

第1回 機械学習の歴史と要素技術

担当講師

赤穂 昭太郎

(産業技術総合研究所 上級主任研究員)

内容

機械学習の全体像を俯瞰する。機械学習の歴史を辿り、機械学習の基礎となる要素技術を、4つの大きな柱にまとめる考え方を紹介し、それぞれの概要を説明する。

第2回 回帰問題とモデル選択

担当講師

赤穂 昭太郎

(産業技術総合研究所 上級主任研究員)

内容

回帰問題とモデル選択について解説します。与えられる学習データが複雑だったり、高次元だったりする問題に対して、どのような手順で最適な答えを導き出すのか。そのアプローチの仕方の基本を解説する。また、次元の呪いと汎化能力という重要な考え方を解説する。

第3回 正則化と交差検証

担当講師

赤穂 昭太郎

(産業技術総合研究所 上級主任研究員)

内容

汎化能力についての数値実験による検証と汎化能力の高い学習モデルを選択するための正則化という考え方を紹介する。また、正則化の基本となるリッジ回帰という方法と、汎化能力の信頼性を高める交差検証についての基礎を解説し、正則化や交差検証を使って実際に学習モデルの選択がどのように行われるのかを示す。

第4回 スパースモデリング

担当講師

赤穂 昭太郎

(産業技術総合研究所 上級主任研究員)

内容

スパースモデリングについて講義する。多くの変数の中から重要な変数に絞り込む方法であるL0正則化について述べ、目的関数を最適化する勾配法を使った実用的なL1正則化をスパースモデリングに導入する方法について解説する。最後に現在、天文学や医療分野で注目を集めている圧縮センシングを紹介する。

難易度参考指標
  • 初学者でも分かりやすい内容です
  • 一部に専門性のある内容を含みます
  • 専門性の高い内容です
コマ数
全 4 コマ(1コマ45分程度)
コマ数 担当講師 内 容
全 4 コマ
(1コマ45分程度)
赤穂 昭太郎(産業技術総合研究所 上級主任研究員)
第1回 機械学習の歴史と要素技術
赤穂 昭太郎(産業技術総合研究所 上級主任研究員)
第2回 回帰問題とモデル選択
赤穂 昭太郎(産業技術総合研究所 上級主任研究員)
第3回 正則化と交差検証
赤穂 昭太郎(産業技術総合研究所 上級主任研究員)
第4回 スパースモデリング
上に戻る