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#75 X-WR-CALNAME:connpass-Machine Learning A Probabilistic Perspective輪読 会#75 X-WR-TIMEZONE:UTC BEGIN:VEVENT SUMMARY:Machine Learning A Probabilistic Perspective輪読会#75 DTSTART:20251019T070000Z DTEND:20251019T090000Z DTSTAMP:20260908T114447Z CATEGORIES: CREATED:20251015T020042Z 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\n2025年10月19日（ 日） 16:00〜18:00 \n \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 | Se ction 2 Probability pp.27-38 \n第3回 | Section 2 Probability pp.38-49 \n第4回 | Section 2 Probability pp.49-Last \nSection 3 Generative model s for discrete data pp.65-68 \n第5回 | Section 3 Generative models for discrete data pp.69-81 \n第6回 | Section 3 Generative models for discre te data pp.82-Last \n第7回 | Section 4 Gaussian models pp.97-107 \n第 8回 | Section 4 Gaussian models pp.107-114 \n第9回 | Section 4 Gaussia n models pp.114-125 \n第10回 | Section 5 Bayesian statistics pp.149-163 \n第11回 | Section 4 Gaussian models pp.125-130 \nSection 5 Bayesian statistics pp.163-165 \n第12回 | Section 5 Bayesian statistics pp.166-1 71 \n第13回 | Section 5 Bayesian statistics pp.171-176 \n第14回 | Se ction 5 Bayesian statistics pp.176-Last \n第15回 | Section 6 Frequentis t Statistics pp.191-199 \n第16回 | Section 6 Frequentist Statistics pp. 199-205 \n第17回 | Section 6 Frequentist Statistics pp.205-214 \n第18 回 | Section 6 Frequentist Statistics pp.214-215 \nSection 7 Linear regr ession pp.217-222 \n第19回 | Section 7 Linear regression pp.222-230 \n 第20回 | Section 7 Linear regression pp.230- \n第21回 | Section 8 Log istic regression pp.245- 254 \n第22回 | Section 8 Logistic regression p p.254- 264 \n第23回 | Section 8 Logistic regression pp.265- Last \n第 24回 | Section 9 Generalized linear models and the exponential family pp. 282-290 \n第25回 | Section 9 Generalized linear models and the exponent ial family pp.293-300 \n第26回 | Section 9 Generalized linear models an d the exponential family pp.300 - Last \nSection 10 Directed graphical mo dels pp.307 - 310 \n第27回 | Section 10 Directed graphical models pp.31 0-320 \n第28回 | Section 10 Directed graphical models pp.320-327 \n第 29回 | Section 10 Directed graphical models pp.327-Last \nSection 11 Mix ture models and the EM algorithm pp.337-342 \n第30回 | Section 11 Mixtu re 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 | Section 11 Mixture m odels and the EM algorithm pp.367-Last \nSection 12 Latent Linear Models pp.381-382 \n第33回 | Section 12 Latent Linear Models pp.382-388 \n第 34回 | Section 12 Latent Linear Models pp.388-399 \n第35回 | Section 1 2 Latent Linear Models pp.399-412 \n第36回 | Section 12 Latent Linear M odels pp.413-Last \nSection 13 Sparse Linear Modesl pp.421- \n第37回 | Section 13 Sparse Linear Modesl pp.425-430 \n第38回 | Section 13 Spars e Linear Modesl pp.430-440 \n第39回 | Section 13 Sparse Linear Modesl p p.440-447 \n第40回 | Section 13 Sparse Linear Modesl pp.447-457 \n第4 1回 | Section 13 Sparse Linear Modesl pp.457-469 \n第42回 | Section 13 Sparse Linear Modesl pp.469-474 \nSection 14 Kernels pp.479-486 \n第43 回 | Section 14 Kernels pp.486-496 \n第44回 | Section 14 Kernels pp.49 6-505 \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 Gaussia n Processes pp.525-534 \n第48回 | Section 16 Adaptive Basis Function Mo dels pp.525-549 \n第49回 | Section 15 Gaussian Processes pp.534-542 \n Section 16 Adaptive Basis Function Models pp.549-552 \n第50回 | Section 16 Adaptive Basis Function Models pp.552-563 \n第51回 | Section 16 Ada ptive Basis Function Models pp.563-569 \n第52回 | Section 16 Adaptive B asis Function Models pp.569-586 \n第53回 | Section 17 Markov and hidden Markov Models pp.589-600 \n第54回 | Section 17 Markov and hidden Marko v Models pp.600-612 \n第55回 | Section 17 Markov and hidden Markov Mode ls pp.612-617 \n第56回 | Section 17 Markov and hidden Markov Models pp. 617-629 \n第57回 | Section 18 State space models pp.631-640 \n第58回 | Section 18 State space models pp.640-647 \n第59回 | Section 18 State space models pp.647-655 \n第60回 | Section 18 State space models pp.65 5-660 \nSection 19 Undirected graphical models (Markov random fields) pp. 661-666 \n第61回 | Section 19 Undirected graphical models (Markov rando m fields) pp.666-674 \n第62回 | Section 19 Undirected graphical models (Markov random fields) pp.674-681 \n第63回 | Section 19 Undirected grap hical models (Markov random fields) pp.684-692 \n第64回 | Section 19 Un directed graphical models (Markov random fields) pp.692-701 \n第65回 | Section 19 Undirected graphical models (Markov random fields) pp.701-703 \nSection 20 Exact inference for graphical models pp.707-717 \n第66回 | Section 20 Exact inference for graphical models pp.717-728 \n第67回 | Section 20 Exact inference for graphical models pp.728-742 \n第68回 | S ection 21 Variational inference pp.742-750 \n第69回 | Section 21 Variat ional inference pp.750-763 \n第70回 | Section 22 More variational infer ence pp.767-776 \n第71回 | Section 22 More variational inference pp.776 -783 \n第72回 | Section 22 More variational inference pp.783-799 \n第 73回 | Section 22 More variational inference pp.799-806 \n第74回 | Sec tion 22 More variational inference pp.806-811 \n \n### 今回の内容\n \nSection 23 Monte Carlo inference pp.815- \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※ 「ネットワーク分析 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「ネット ワーク分析 輪読会」を開催します。\n\n## slack\n\nslack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.co m/event/372751/ LOCATION: (オンライン) URL:https://thinkerslab.connpass.com/event/372751/ END:VEVENT END:VCALENDAR