第17回 情報論的学習理論ワークショップ (IBIS2014) †このページはしましまが IBIS2014 に参加してとったメモです.私の主観や勘違いが含まれていたり,私が全く分かってなかったりしていますので,その点を注意してご覧ください.誤りがあれば,指摘してください.
11月16日 (日):第3回IBISMLチュートリアル †統計・機械学習の基礎 †池田和司 (奈良先端科学技術大学院大学) 概要: 機械学習ではデータから確率モデルを構築し、それを予測や知識発見に利用します。 本 チュートリアルでは、機械学習の基礎となる確率・統計および確率モデルの構築を 構築するための推定法についてその基本的な考え方を解説します。 その後、推定において問題になる事項とその解決法を紹介します。特に、モデルサイズ 決定の問題に対してノンパラメトリックベイズ法を紹介し、分布を仮定できない パラメータの扱いに対してセミパラメトリック推定を紹介します。 キーワード: 確率モデル、パラメータ推定、ノンパラメトリックベイズ法、セミパラメトリック推定
機械学習に基づく推薦システム †岩田具治 (NTT コミュニケーション科学基礎研究所) 概要: 推薦システムは、ユーザが膨大な商品集合のなかから好みの商品を見つけるのを 助け、またオンラインストアは売上向上が期待できるため、多くのオンラインストア で用いられています。推薦システムは、ユーザが商品をどう評価するか(もしくは 将来買うか)を予測する機械学習問題と見なせます。本チュートリアルでは、 推薦システムの問題設定を確認した後、代表的な推薦手法である行列分解に 基づく手法について説明します。そして行列分解手法のベイズ統計による拡張や ガウス過程による非線形拡張を紹介します。また、商品情報やユーザ情報、時間 情報などが与えられたときに、それらの情報を活用して精度を上げるための手法 について紹介します。 推薦システム
ベイズ推定を用いた行列分解
行列分解のガウス過程による非線形拡張
顧客生涯価値を高めるための推薦:IEEE trans. on KDE vol.20, no.9, pp.1254-1263 (2008)
音声音響信号処理のための確率モデルと学習アルゴリズム †亀岡弘和 (NTT コミュニケーション科学基礎研究所/東京大学) 概要: 音声・音楽・音響の信号処理や情報処理における問題は、主に認識・分析・合成・ 変換・分離にカテゴライズされ、これらは機械学習における識別・回帰・パラメータ 推定などの問題に当てはまります。音響信号データは、時系列データである点、 物理的なメカニズムに従って生成されるデータである点、に特殊性があり、当分野では これらの特徴を意識して設計された独自の確率モデルが多く提案されています。 本チュートリアル では、音声・音楽・音響信号を対象とした各種機械学習問題を 概観しながら、音声音響信号処理分野で提案されてきたいくつか のユニークな 確率モデルと、補助関数法と呼ぶ最適化の方法論に基づく学習アルゴリズムの 導出方法を紹介します。 キーワード: 音声音響信号処理、認識・分析・合成・変換・分離、時系列データ、生成過程モデル、 確率モデル、学習アルゴリズム、補助関数法
音声分析
音声変換
多重音解析
音響の分離
音韻と韻律 補助関数法 (majorization minimaization)
Pythonによる機械学習プログラミング †神嶌敏弘 (産業技術総合研究所) 概要: 本講演では Python による機械学習プログラミングの基本的な操作および、 機械学習に 関連したパッケージを紹介する。なお、プログラミング言語 Python の文法や数値計算 プログラミングに関する基本的な知識についてはふれない。 前半では、Python による数値計算の基本パッケージである NumPy と SciPy について 紹介する。Python による数値計算環境についてふれたのち、NumPy を用いた配列の 生成と操作について述べ、数式を実装する手続きを紹介する。SciPy については、 利用できる関数群の概要を紹介する。 後半では、数値計算に関連したパッケージ群を紹介する。対話環境を構築するため の IPython、グラフ描画のための matplotlib、機械学習アルゴリズム scikit-learn な どの関連パッケージの概要を紹介し、最後にさらに Python による数値プログラミング について詳しく知るための情報源を紹介する。 キーワード: Python、NumPy、 SciPy、 科学技術計算、 数値計算プログラミング 11月17日 (月) †企画セッション1:離散アルゴリズムの機械学習応用 †モンテカルロ木探索の理論と実践 †美添一樹 (東京大学)
離散構造と離散分布 †石畠正和 ( NTTコミュニケーション科学基礎研究所)
大規模グラフ解析のための乱択スケッチ技法 †秋葉拓哉 (東京大学)
Deep convolutional network ネオコグニトロンによる視覚パターン認識: その原理と学習手法 †福島邦彦(ファジィシステム研究所)
認識:認識をするときには,そこまでの層の学習は終了している.
Deep learning: scaling and applications †Nando de Freitas (Professor of Computer Science, Oxford University) GoogleのDeepMindも関連
11月18日 (火) †企画セッション2: 学習理論 †空間結合符号 †笠井健太 (東京工業大学)
Wasserstein幾何とφ-正規分布族 †高津飛鳥 (名古屋大学)
φガウス族
多腕バンディット問題の理論とアルゴリズム †本多淳也 (東京大学) 多腕バンディット
バンディット問題の分類
確率的バンディットでの報酬最大化
最適腕識別とリグレット最小化
Current and Future Trends in Computer Vision †David McAllester (Toyota Technological Institute at Chicago)
11月19日 (木) †企画セッション3: ビッグデータ利用の社会的側面 †産業領域におけるデータ活用への期待と現状 †鈴木良介 (野村総合研究所)
情報保護の統計モデル †星野伸明 (金沢大学)
ゲノムプライバシの保護と個別化医療への展開 †佐久間淳 (筑波大学)
企画セッション4: 機械学習のウェブデータおよびマルチメディア活用 †大規模言語データに基づく自然言語処理とその応用 †岡崎直観 (東北大学)
データジャーナリズム
知識の自動獲得
クラウドソーシング・デマ・MOOC †鹿島久嗣 (京都大学) クラウドソーシング
クラウドソーシングの評価技術の広がり
ウェブ上のユーザ行動の分析による消費インテリジェンス †松尾豊 (東京大学)
|