機械学習:Machine Learning

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)
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(1) epsilon-Greedy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)タスクに活用するためのモデルフリー強化学習の一つであるepsilon-Greedy法のpythonによる実装、多腕バンディット
Clojure

Hierarchical Temporal Memory (階層型時間メモリ)とClojure

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階層型時間メモリとClojureによる疎分散表現を使った深層学習
Clojure

Clojureを用いたネットワーク解析(1) 幅優先/深さ優先探索・最短経路探索・最小スパニング木・サブグラフと連結成分

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Clojure/loomを用いたネットワーク解析、幅優先/深さ優先探索・最短経路探索・最小スパニング木・サブグラフと連結成分
Symbolic Logic

論理やルールと確率/機械学習の融合

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論理やルールと機械学習の融合(帰納論理プログラミング、統計関係学習、知識ベースモデル構築、ベイジアンネット、確率論理学習、隠れマルコフモデル)
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)
タイトルとURLをコピーしました