プログラム概要
確率の基礎から確率分布、パラメータ推定、マルコフ連鎖モンテカルロ法 、ハミルトニアンモンテカルロ法、回帰分析、PyStan入門ならびPyStanを用いた階層モデルと重回帰の正則化、ベイジアンネットワークについて学べます。
|
対象者
|
AI・機械学習プロジェクトを推進する方
|
|
受講料
|
3名までの場合：1,500,000円（税抜）※受講人数に応じてお見積りいたします ※講座内容はカスタマイズ可能です。カスタマイズの際は別途お見積りいたします
|
|
受講前提
|
Pythonと機械学習の基礎知識のある方
|
カリキュラム
ベイズ統計学
|
演習
|
・確率の基礎 命題と論理記号
⚪︎確率論の基本的な概念、頻度論的方法による確率
⚪︎確率の性質
⚪︎同時確率、周辺確率、条件付き確率
⚪︎ベイズの定理
⚪︎確率変数と確率分布、連続確率と離散確率
⚪︎確率質量関数と確率密度関数
⚪︎累積分布関数
⚪︎期待値、分散、共分散
・確率分布
⚪︎離散確率分布（ベルヌーイ分布、二項分布、幾何分布、ポアソン分布）
⚪︎連続確率分布（一様分布、指数分布、ワイブル分布、ガンマ分布、ベータ分布、正規分布）
⚪︎同時分布、周辺分布
⚪︎多変量分布
・パラメータ推定
⚪︎最尤推定、ベイズ推定
⚪︎共役事前分布
⚪︎無情報事前分布、弱情報事前分布
⚪︎ベイズ点推定（MAP、EAP、MED）
⚪︎信頼区間とベイズ確信区間、予測分布
・マルコフ連鎖モンテカルロ法
⚪︎遷移行列、不変分布、詳細釣り合い条件、マルコフ連鎖の収束条件
⚪︎メトロポリス法、ギブスサンプリング
・ハミルトニアンモンテカルロ法
⚪︎ハミルトニアンと正準方程式、ラグランジアンとハミルトニアン
⚪︎リープフロッグ法、ハミルトニアンモンテカルロ法
・回帰分析
⚪︎線形回帰とその行列表現
⚪︎交互作用
⚪︎ロジスティック回帰、ポアソン回帰
・PyStan入門
⚪︎PyStanとは
⚪︎PyStanを用いた単回帰分析、重回帰分析、ロジスティック回帰分析
⚪︎PyStanを用いたポアソン回帰分析
・PyStanを用いた階層モデル
⚪︎階層モデル、複数の階層を持つ階層モデル
・PyStanを用いた重回帰の正則化
⚪︎Stanにおける正則化のアプローチ
⚪︎ラプラス分布を用いた変数選択、非階層モデル
・ベイジアンネットワーク
⚪︎条件付き確率表、ベイジアンネットワークの確率推論
⚪︎構造学習アルゴリズム
⚪︎グラフィカルモデルを用いた因果推論
⚪︎構造方程式モデル
|
|
講義時間
|
３日間 ※ご要望によって、短縮版、拡大版のご提供が可能です
|
