BEGIN:VCALENDAR VERSION:2.0 PRODID:-//connpass.com//Connpass//EN CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:connpass-Machine Learning A Probabilistic Perspective輪読 会#51 X-WR-CALNAME:connpass-Machine Learning A Probabilistic Perspective輪読 会#51 X-WR-TIMEZONE:UTC BEGIN:VEVENT SUMMARY:Machine Learning A Probabilistic Perspective輪読会#51 DTSTART:20230917T070000Z DTEND:20230917T090000Z DTSTAMP:20261113T010939Z CATEGORIES: CREATED:20230901T174028Z DESCRIPTION:## Machine Learning A Probabilistic Perspective 輪読会に ついて\n\n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 Probabil istic\nPerspective (MLaPP)」をじっくりと学んでいく会です。 \nChristopher 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。\n\n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。\n\n### 使用するテキスト\n\n「Machine Learning - A Probabilistic Perspective」\n\n * アマゾン \n※ネットでPDF版 が落とせるようです \n\n### キーワード\n\n人工知能、機 械学習、確率統計\n\n### 前提となる知識\n\n * 線形代数 の基礎\n * 確率統計の基礎\n\n## 日時\n\n2023年09月17日（ 日） 16:00〜18:00 \n \nその後の予定（仮） \n2023年10月22 日（日） \n2023年11月19日（日）\n\n### タイムテーブル\n\ n時間 | 内容 \n---|--- \n13:00 | ZoomのミーティングID、パ スワードを通知 \n16:00 - 16:05 | 輪読会（主催団体）の説 明 \n16:05 - 16:10 | 簡単な自己紹介 \n16:10 - 18:00 | 勉強会 （途中休憩を挟む場合があります） \n \n### 前回まで の内容\n\n| 内容 \n---|--- \n第1回 | Section 1 Introduction pp.1- 22 \n第2回 | Section 2 Probability pp.27-38 \n第3回 | Section 2 Prob ability pp.38-49 \n第4回 | Section 2 Probability pp.49-Last \nSection 3 Generative models for discrete data pp.65-68 \n第5回 | Section 3 Gene rative models for discrete data pp.69-81 \n第6回 | Section 3 Generative models for discrete data pp.82-Last \n第7回 | Section 4 Gaussian model s pp.97-107 \n第8回 | Section 4 Gaussian models pp.107-114 \n第9回 | Section 4 Gaussian models pp.114-125 \n第10回 | Section 5 Bayesian sta tistics pp.149-163 \n第11回 | Section 4 Gaussian models pp.125-130 \nS ection 5 Bayesian statistics pp.163-165 \n第12回 | Section 5 Bayesian s tatistics pp.166-171 \n第13回 | Section 5 Bayesian statistics pp.171-17 6 \n第14回 | Section 5 Bayesian statistics pp.176-Last \n第15回 | Se ction 6 Frequentist Statistics pp.191-199 \n第16回 | Section 6 Frequent ist Statistics pp.199-205 \n第17回 | Section 6 Frequentist Statistics p p.205-214 \n第18回 | Section 6 Frequentist Statistics pp.214-215 \nSec tion 7 Linear regression pp.217-222 \n第19回 | Section 7 Linear regress ion pp.222-230 \n第20回 | Section 7 Linear regression pp.230- \n第21 回 | Section 8 Logistic regression pp.245- 254 \n第22回 | Section 8 Lo gistic regression pp.254- 264 \n第23回 | Section 8 Logistic regression pp.265- Last \n第24回 | Section 9 Generalized linear models and the exp onential family pp.282-290 \n第25回 | Section 9 Generalized linear mode ls and the exponential family pp.293-300 \n第26回 | Section 9 Generaliz ed linear models and the exponential family pp.300 - Last \nSection 10 Di rected graphical models pp.307 - 310 \n第27回 | Section 10 Directed gra phical models pp.310-320 \n第28回 | Section 10 Directed graphical model s pp.320-327 \n第29回 | Section 10 Directed graphical models pp.327-Las t \nSection 11 Mixture models and the EM algorithm pp.337-342 \n第30回 | Section 11 Mixture models and the EM algorithm pp.342-357 \n第31回 | Section 11 Mixture models and the EM algorithm pp.357-367 \n第32回 | S ection 11 Mixture models and the EM algorithm pp.367-Last \nSection 12 La tent Linear Models pp.381-382 \n第33回 | Section 12 Latent Linear Model s pp.382-388 \n第34回 | Section 12 Latent Linear Models pp.388-399 \n 第35回 | Section 12 Latent Linear Models pp.399-412 \n第36回 | Sectio n 12 Latent Linear Models pp.413-Last \nSection 13 Sparse Linear Modesl p p.421- \n第37回 | Section 13 Sparse Linear Modesl pp.425-430 \n第38 回 | Section 13 Sparse Linear Modesl pp.430-440 \n第39回 | Section 13 Sparse Linear Modesl pp.440-447 \n第40回 | Section 13 Sparse Linear Mod esl pp.447-457 \n第41回 | Section 13 Sparse Linear Modesl pp.457-469 \ n第42回 | Section 13 Sparse Linear Modesl pp.469-474 \nSection 14 Kerne ls pp.479-486 \n第43回 | Section 14 Kernels pp.486-496 \n第44回 | Se ction 14 Kernels pp.496-505 \n第45回 | Section 15 Gaussian Processes pp .496-512 \n第46回 | Section 15 Gaussian Processes pp.512-525 \n第47 回 | Section 15 Gaussian Processes pp.525-534 \n第48回 | Section 16 Ad aptive Basis Function Models pp.525-549 \n第49回 | Section 15 Gaussian Processes pp.534-542 \nSection 16 Adaptive Basis Function Models pp.549-5 52 \n第50回 | Section 16 Adaptive Basis Function Models pp.552-563 \n \n### 今回の内容\n\nSection 16 Adaptive Basis Function Models pp.563 - \n講師： KanSAKAMOTOさん\n\n## 事前準備\n\n可能であれば 今回の範囲を一通り読んできてください。 \n読んでな くても参加可能です。 \n聴講だけの方もwelcomeです！ \ n\n## 参加費\n\n無料 \n※ 「社会科学者のための進化ゲ ーム理論 輪読会」から続けて開催します\n\n## 会場\n\n オンライン開催（Zoomによる開催を予定しています） \n 当日13:00にZoomのミーティングID、パスワードを登録メー ルアドレスへ一斉通知します。 \n13:00以降に申し込ま れた方は個別にお伝えしますので、管理者までメッセ ージをお願いします。\n\n## 同時開催の輪読会について\ n\n当イベントの開催前の13:30から「社会科学者のための 進化ゲーム理論 輪読会」を開催します。\n\n## slack\n\nsla ckに専用ルームがあります。参加ご希望の方は管理者ま でメッセージをお願いします。\n\nhttps://thinkerslab.connpass .com/event/295262/ LOCATION: (オンライン) URL:https://thinkerslab.connpass.com/event/295262/ END:VEVENT END:VCALENDAR