統計的機械学習

- 統計的パターン認識の枠組み/Framework of statistical pattern recognition - 最尤推定法の枠組み，モデル選択/Framework of maximum likelihood estimation, model selection - ガウス混合モデル，EMアルゴリズム/Gaussian mixture models, EM algorithm - ノンパラメトリック密度推定法，最近傍識別器/Non-parametric density estimation, nearest-neighbor classifier - 敵対的生成ネットワーク/Generative adversarial networks - ベイズ推定法の枠組み，モデル選択/Framework of Bayesian inference, model selection - 変分ベイズ法/Variational Bayes methods - マルコフ連鎖モンテカルロ法/Markov-Chain Monte Carlo methods - ノンパラメトリックベイズ法/Non-parametric Bayes methods

講義を中心に進める / Mainly through lectures

レポートによる / By reports

杉山 将：統計的機械学習：生成モデルに基づくパターン認識, オーム社, 2009. 佐藤 一誠：ノンパラメトリックベイズ法, 講談社, 2016. 岡谷 貴之：深層学習 改訂第2版, 講談社, 2022 / Masashi Sugiyama: Introduction to Statistical Machine Learning, Morgan Kaufmann, 2015. Ian Goodfellow, Yoshua Bengio, and Aaron Courville: Deep Learning, MIT Press, 2016.

元田 浩ほか（編）：パターン認識と機械学習（上・下）, 丸善出版, 2007. 石井 健一郎，上田 修功：続・わかりやすいパターン認識，オーム社, 2014. 杉山 将：機械学習のための確率と統計, 講談社, 2015. 金森 敬文, 鈴木 大慈, 竹内 一郎, 佐藤 一誠: 機械学習のための連続最適化，講談社, 2016. / Trevor Hastie, Robert Tibshirani, and Jerome Friedman: The Elements of Statistical Learning:---Data Mining, Inference, and Prediction, 2nd Edition, Springer, 2009. Christopher M. Bishop: Pattern Recognition and Machine Learning, 2nd Edition, Springer, 2016.

講義スライドを講義前に公開するので，事前に目を通しておくこと． また，教科書・参考書の該当部分を講義前に予習しておくことを勧める． / The lecture slides will be made available before the lecture, so please read through them beforehand. It is also recommended that the students study the relevant parts of the textbooks and reference books before the lecture.