微分積分:Calculus 保護中: 統計数学理論における仮説集合の複雑度
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される統計数学理論における仮説集合の複雑度(ラデマッハ複雑度、VC次元、大数因子、一様大数の法則、決定株、線形判別器の集合、線形関数の集合、コーシー・シュワルツの不等式、イェンセンの不等式、マサールの補題、タラグランドの補題、経験ラデマッハ複雑度、サウアーの補題、ラドンの定理)
微分積分:Calculus
微分積分:Calculus アルゴリズム:Algorithms 保護中: 確率的最適化とオンライン最適化の概要
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに用いられる確率的最適化とオンライン最適化の概要(期待誤差、リグレット、ミニマックス最適、強凸損失関数、確率的勾配降下法、確率的双対平均化法、AdaGrad、オンライン型確率的最適化、バッチ型確率的最適化)
アルゴリズム:Algorithms 保護中: 機械学習における連続最適化のための制約なし最適化
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される機械学習における連続最適化のための制約なし最適化(機械イプシロン、スケーリングを考慮しない停止条件、スケーリングを考慮した停止条件、テイラーの定理、最適化アルゴリズムの停止条件、ヘッセ行列)
アルゴリズム:Algorithms 保護中: ガウス過程による教師なし学習(1)ガウス過程潜在変数モデルの概要とアルゴリズム
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)に活用される確率的生成モデルの応用であるガウス過程潜在変数モデル(GPLVM)を用いた教師なし学習の概要とアルゴリズム、ベイズガウス過程潜在変数モデル(Bayesian GPLVM)
アルゴリズム:Algorithms 保護中: モデルフリー強化学習のpythonによる実装(2) モンテカルロ法とTD法
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるモンテカルロ法とTD法等のモデルフリー強化学習のpythonによる実装(Q-Learning、Valueベースの手法、Monte Carlo法、ニューラルネット、Epsilon-Greedy法、TD(λ)法、Muli-step Learning、Rainbow、A3C/A2C、DDPG、APE-X DQN)
バンディッド問題 保護中: 確率的バンディッド問題の基礎
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される確率的バンディッド問題の基礎(大偏差原理とベルヌーイ分布での例、チェルノフ・へフディングの不等式、サノフの定理、へフディングの不等式、カルバックライブラー・ダイバージェンス、確率質量関数、裾確率、中心極限定理による確率近似)
微分積分:Calculus 保護中: 機械学習における連続最適化の基本事項としての凸解析の基礎
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される連続最適化の基本事項としての凸解析の基礎(劣勾配、劣微分、共役関数、閉真凸関数、共役関数、強凸関数、閉真凸関数、関数値の上下界、ヘッセ行列、エピグラフ、テイラーの定理、相対的内部、アフイン包、連続性、凸包、凸関数、凸集合)
アルゴリズム:Algorithms 保護中: 統計数学理論の基本的枠組み
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される統計数学理論の基本的枠組み(正則化、近似誤差と推定誤差、へフディングの不等式、予測判別誤差、統計的一致性、学習アルゴリズム、性能評価、ROC曲線、AUC、ベイズ規則、ベイズ誤差、予測損失、経験損失)
アルゴリズム:Algorithms 保護中: 教師あり学習と正則化
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される機械学習最適化手法の基礎としての教師あり学習(回帰、判別)と正則化(リッジ関数、L1正則化、ブリッジ正則化、エラステックネット正則化、SCAD、グループ正則化、一般化連結正則化、トレースノルム正則化)の概要
アルゴリズム:Algorithms 保護中: ガウス過程の空間統計学、ベイズ最適化への適用
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される確率的生成モデルの応用としてのガウス過程の空間統計学、ベイズ最適化への適用(ARD,Maternカーネル)のツール(GPyOptやGPFlowやGPyTorch)