手を動かしながらグラフィカルモデルを習得する
因果探索確率的グラフィカルモデル 
~数理とプログラミングでロジックを固める~
【WEB受講(Zoomセミナー)】 

セミナー
リーフレット
印刷はこちら
グラフィカルモデルの定義,独立性・条件付独立性の検定,ベイジアンネットワークの
構造学習,因果順序の推定,グラフィカルLassoについて,ソースプログラムを用い,
手を動かしながら実践的に解説する特別セミナー!!
講師
大阪大学大学院基礎工学研究科 教授 博士(工学) 鈴木 讓 先生
日時
2021/8/20(金)10:00〜16:00
会場

*本セミナーはWEB受講のみとなります。

会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
講師
大阪大学大学院基礎工学研究科 教授 博士(工学) 鈴木 讓 先生
日時
2021/8/20(金)10:00〜16:00
会場

*本セミナーはWEB受講のみとなります。

会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
受講形式
 WEB受講のみ
 *本セミナーはZoomシステムを利用したオンライン配信となります。

受講対象
 データサイエンティスト
 機械学習エンジニア
 研究者 など

予備知識
 統計学の基礎、数学的な考察力
 知識を、暗記ではなく、なぜかを考えながら習得する姿勢


習得知識
 1)グラフィカルモデルの定義
 2)独立性、条件付独立性の検定
 3)ベイジアンネットワークの構造学習
 4)因果順序の推定 (LiNGAMとその周辺)
 5)グラフィカルLasso など

講師の言葉
 グラフィカルモデルは、大学の講義やテキストが少なく、奥が深いので、独学が難しい。
本セミナーでは、数式だけではなく、ソースプログラムをおい、実行結果を確認する。
手を動かして身につけることを優先する。データサイエンティスト、機械学習エンジニア、
研究者が対象。
 論理的に把握できた方が、楽しめるように思われる。(Rubin因果推論は、講義の対象外となる)。

プログラム

1 グラフィカルモデルの定義
 1.1 条件付き独立性とグラフの分離性
 1.2 マルコフネットワークとベイジアンネットワーク

2 独立性、条件付き独立性の検定
 2.1 離散データの相互情報量の推定と、独立性、条件付き独立性
 2.2 正定値カーネルと再生核Hilbert空間
 2.3 Hilbert Schmidt Information Criterion (HSIC)

3 ベイジアンネットワークの構造学習
 3.1 PCアルゴリズム
 3.2 スコアベースの構造学習
 3.3 森の学習

4 因果順序の推定
 4.1 LiNGAMの一般論
 4.2 多変数の場合のLiNGAM
 4.3 交絡のある場合

5 高次元の場合の対応
 5.1 Lasso
 5.2 グラフィカルLasso
 5.3 疑似尤度を用いたグラフの構造学習


講師紹介
略歴
平成元年 早稲田大学大学院博士課程 修了
平成元年 早稲田大学 助手
平成4年  青山学院大学 助手
平成6年   大阪大学理学部 講師
平成10年  同大学院理学研究科 准教授
平成28年  同基礎工学研究科 教授 (現職)

Uncertainty in Artificial Intelligence (UAI) 1993で、
ベイジアンネットワークの研究成果を発表(国内研究者で初とされる)

主要著書
ベイジアンネットワーク入門(培風館、2009年)
確率的グラフィカルモデル(共立出版、2016年)植野真臣他と共著
機械学習の数理100問シリーズ(共立出版、2020年); 統計的機械学習の数理100問with R 、
統計的機械学習の数理100問with R/Python、スパース推定100問with R/Python
Statistical Learning with Math and R/Python (Springer, 2020)
学会等
日本統計学会
日本行動計量学会
日本計算機統計学会
人工知能学会
日本数学会