アルゴリズム:Algorithms 連続最適化の基本事項 – 微積分・線形代数の基礎
連続最適化の基本事項 - 微積分・線形代数の基礎(テイラーの定理、ヘッセ行列、ランダウの記号、リプシッツ連続、リプシッツ定数、陰関数定理、ヤコビ行列、対角行列、固有値、非負定値行列、正定値行列、部分空間、射影、1ランク更新、自然勾配法、準ニュートン法、シャーマン・モリソンの公式、ノルム、ユークリッドノルム、p-ノルム、シュワルツの不等式、ヘルダーの不等式、行列空間上の関数)
微分積分:Calculus
アルゴリズム:Algorithms アルゴリズム:Algorithms 保護中: 変分ベイズ法での周辺尤度、事後平均、事後共分散及び予測分布の計算
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変分ベイズ法での周辺尤度、事後平均、事後共分散及び予測分布の計算手法(ジェームス-スタイン推定量、最尤推定、経験ベイズ推定量、ベイズ自由エネルギー、超パラメータ、自動関連度決定、線形回帰モデル、確率的複雑さ、対数周辺尤度経験ベイズ学習、多項分布モデル、事後平均、線形回帰モデル)
アルゴリズム:Algorithms 保護中: グラフィカルモデルの構造学習
ベイジアンネットワークやマルコフ確率場でグラフ構造をデータから学習する方法について(Max-Min Hill Climbming(MMHC)、Chow-Liuのアルゴリズム、スコア関数を最大化する方法、PC(Peter Spirtes and Clark Clymoir)アルゴリズム、GS(Grow-Shrink)アルゴリズム、SGS(Spietes Glymour and Scheines)アルゴリズム、スパース正則化、独立性条件)
アルゴリズム:Algorithms 保護中: 点過程からみるノンパラメトリックベイズ – 正規化ガンマ過程とディリクレ過程と完備ランダム測度
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(ML)タスクに活用される点過程から見たノンパラメトリックベイズ - 正規化ガンマ過程とディリクレ過程と完備ランダム測度(ポアソン過程、リヴィ測度、ガンマランダム測度、ベータランダム測度、レヴィ-伊藤分解)
アルゴリズム:Algorithms 保護中: 格子状補助点配置に基づくガウス過程の計算方法
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)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モデルにおける格子状補助点配置に基づくガウス過程法計算(クロネッカー法、テブリッツ法、局所的カーネル補間、KISS-GP法)
Clojure Clojureを用いた状態空間モデル:カルマンフィルターの実装
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Clojureを用いた状態空間モデル:カルマンフィルターの実装
Clojure 保護中: Clojureを用いた時系列データの解析
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)タスクに用いられるClojureを用いたAR、MA、ARMA等の時系列データの解析(ACF、PACF、偏自己相関、Durbin-Levinson アルゴリズム、自己共分散、移動平均モデル、自己相関モデル、ハイブリッド、ランダムウォーク、離散的時間モデル)
Clojure マルコフ連鎖モンテカルロ(MCMC)モデルのStanを使ったRとClojureによる解析
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ベイズ推定のMCMCを用いた計算ツールであるStanのR及びClojureを使った実装
python 保護中: モデルベースアプローチによる強化学習の概要とpythonでの実装
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デルベースアプローチによる強化学習の概要とpythonでの実装(Bellman Equation、Value Iteration、Policy Iteration、動的計画法)
アルゴリズム:Algorithms 保護中: ベイズ学習と共役性について
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でのベイズ学習の計算のための各種確率関数(ガウス分布、ベルヌーイ分布、ポアソン分布、ディリクレ分布、ガンマ分布)と事前分布の共役性について