|
授業科目名
|
担当教員
|
|||||||||||||
|
コンピュータ理工学特別講義V
(本年度非開講) |
小澤 賢司
|
|||||||||||||
|
時間割番号
|
単位数
|
コース
|
履修年次
|
期別
|
曜日
|
時限
|
||||||||
| GTK613 | 2 | (未登録) | 1 | 後期 | 水 | I | ||||||||
| ［概要と目標］ | ||||||||||||||
| 本特別講義では，ベイズ統計学を取り上げる。ベイズ統計学は，データから有益な情報を取り出すための強力な方法論であり，機械学習・人工知能分野においても多彩な応用が実践されている。講義前半では，ベイズの定理から出発し，サンプリングによる事後分布の評価方法まで学ぶ。後半では、実験での統計処理にベイズ統計を用いる手法を学ぶ。有意性検定やp値を使う古典的な統計解析と比較しながら、ベイズ統計による実験データ解析の基礎を理解する。 | ||||||||||||||
| [到達目標] | ||||||||||||||
|
1. ベイズ推論の枠組みを理解する。 2. サンプリング（ハミルトニアンモンテカルロ法）による事後分布の評価方法を体得する。 3. 実験計画法と対応するベイズ統計を習得する。 |
||||||||||||||
| ［必要知識・準備］ | ||||||||||||||
| 学部レベルの統計学（確率変数，記述統計量，推測統計量，検定） | ||||||||||||||
| ［評価基準］ | ||||||||||||||
|
||||||||||||||
| ［教科書］ | ||||||||||||||
| ［参考書］ | ||||||||||||||
| (未登録) | ||||||||||||||
| ［講義項目］ | ||||||||||||||
| （第１回〜第８回前半の担当：小澤賢司、第８回後半〜第15回の担当：郷 健太郎） 第１回 確率に関するベイズの定理，ナイーブベイズ分類器 第２回 主観確率 第３回 確率変数と確率分布，最尤推定 第４回 分布に関するベイズの定理，ベイズ推定 第５回 メトロポリス・ヘイスティング法 第６回 ハミルトニアンモンテカルロ法（原理） 第７回 ハミルトニアンモンテカルロ法（実習） 第８回前半 講義前半の総括(45分) 第８回後半 実験法の基礎 (45分) 第９回 実験計画とデータの整理 第10回 １群のデータに対する推測 第11回 独立した２群の差の推測 第12回 対応ある２群の差と相関の推測 第13回 実験計画による多群の差の推測 第14回 比率とクロス表の推測 第15回 講義後半の総括 |
||||||||||||||