先端統計モデリング論

基本的には以下に準じるが授業進度や必要に応じて別の項目を追加削除する場合がある。 第１回：授業ガイダンス 第２回：学習の統計モデリング 第３回：最も単純な学習モデルの理論解析１ 第４回：最も単純な学習モデルの理論解析２ 第５回：最も単純な学習モデルの理論解析３ 第６回：スパースモデルの理論解析 第７回：サポートベクターマシンの理論解析 第８回：ブースティングの理論解析 第９回：ベイズモデリングの基礎とPAC Bayes理論 第１０回：PAC Bayesに基づく深層学習モデルの理論解析1 第１１回：PAC Bayesに基づく深層学習モデルの理論解析2 第１２回：再生核ヒルベルト空間とカーネル法の基礎 第１３回：再生核ヒルベルト空間とカーネル法の基礎

毎週授業時間の前に予め与えられた課題（1-1.5時間程度を有する）を行い，授業ではその課題に関する質疑応答を主に行う．

毎週のレポート課題によって評価する。

微積分、確率・統計に関する大学学部レベルの知識を前提とする。 なお、本講義は、統計モデルに対する学習アルゴリズムを導出・説明するということはしない。 また、具体的な問題に対する数理モデリングの仕方を訓練することも目的としない。 一般的なデータ解析手法の説明をするわけではないので注意が必要である。 機械学習で使われている統計モデルの性質を数理的に説明する授業であるため， 授業のほとんどがその性質について数式による説明になる。