第3回IBISMLチュートリアル

お知らせ

  • 2014.11.1 チュートリアルの申込は終了しました。
  • 2014.10.2 チュートリアル概要を掲載しました。
  • 2014.10.1 参加申込を開始しました。
  • 2014.8.15 チュートリアルの内容を公開しました
  • 2013.11.25 ホームページを公開しました

開催情報

  • 主催：電子情報通信学会　情報論的学習理論と機械学習研究会
  • 日時：
    • 2014年11月16日（日）
  • 会場：名古屋工業大学　御器所キャンパス　51号館5101室 　アクセス
    (IBISワークショップと会場が異なりますのでご注意下さい)
  • 問い合わせ先：ibis2014@ibisml.org
  • 内容：
    • 「統計・機械学習の基礎」池田和司 (NAIST)
    • 「機械学習に基づく推薦システム」岩田具治 (NTT CS研)
    • 「音声音響信号処理のための確率モデルと学習アルゴリズム」亀岡弘和 (NTT CS研／東大)
    • 「Pythonによる機械学習プログラミング」神嶌敏弘 (産総研)
  • 参加費：一般２万円、学生５千円
    （ただし、テクニカルトラック発表第一著者の学生は無料）

参加申込サイト

参加申込はこちらから行ってください。
（注意）事前申込みが必ず必要です(定員に達し次第締切）

10月31日(金) チュートリアル参加申込〆切

目的

大量のデータが溢れる中で、価値ある情報を発見する技術が求められている。そのような技術として期待の大きい機械学習とデータマイニングについて、基礎から実践までを解説する。特にビジネスの具体的応用場面も想定して、そのために必要な基礎概念をわかりやすく解説するとともに、実際に価値ある情報を引き出すための、一般の教科書に載っていないノウハウについても紹介する。さらに、学会の最先端をいく技術にあって応用性が高い技術についても、IBISMLならではの独自の視点をもっていくつか紹介する。

想定対象

企業や大学で、機械学習やデータマイニング技術を具体的な応用場面に利用したいと考えている研究者、ユーザ。とくに時間がなくて、短時間でできるだけ基礎的かつ実践的な知識を吸収したいと考えている方。

チュートリアルスケジュール（受付開始: 9:00）

10:00 – 10:05 オープニング

10:05 – 11:35 統計・機械学習の基礎

11:35 – 13:00 昼食

13:00 – 14:30 機械学習に基づく推薦システム

14:45 – 16:15 音声音響信号処理のための確率モデルと学習アルゴリズム

16:30 – 18:00 Pythonによる機械学習プログラミング

チュートリアル概要

統計・機械学習の基礎

池田和司 (奈良先端科学技術大学院大学)

機械学習ではデータから確率モデルを構築し、それを予測や知識発見に利用します。
本 チュートリアルでは、機械学習の基礎となる確率・統計および確率モデルの構築を
構築するための推定法についてその基本的な考え方を解説します。
その後、推定において問題になる事項とその解決法を紹介します。特に、モデルサイズ
決定の問題に対してノンパラメトリックベイズ法を紹介し、分布を仮定できない
パラメータの扱いに対してセミパラメトリック推定を紹介します。

キーワード：
確率モデル、パラメータ推定、ノンパラメトリックベイズ法、セミパラメトリック推定

機械学習に基づく推薦システム

岩田具治 (NTT コミュニケーション科学基礎研究所)

推薦システムは、ユーザが膨大な商品集合のなかから好みの商品を見つけるのを
助け、またオンラインストアは売上向上が期待できるため、多くのオンラインストア
で用いられています。推薦システムは、ユーザが商品をどう評価するか（もしくは
将来買うか）を予測する機械学習問題と見なせます。本チュートリアルでは、
推薦システムの問題設定を確認した後、代表的な推薦手法である行列分解に
基づく手法について説明します。そして行列分解手法のベイズ統計による拡張や
ガウス過程による非線形拡張を紹介します。また、商品情報やユーザ情報、時間
情報などが与えられたときに、それらの情報を活用して精度を上げるための手法
について紹介します。

キーワード：
推薦システム、行列分解、潜在変数モデル

IBIS2014tutorial_iwata_color

音声音響信号処理のための確率モデルと学習アルゴリズム

亀岡弘和 (NTT コミュニケーション科学基礎研究所/東京大学)

音声・音楽・音響の信号処理や情報処理における問題は、主に認識・分析・合成・
変換・分離にカテゴライズされ、これらは機械学習における識別・回帰・パラメータ
推定などの問題に当てはまります。音響信号データは、時系列データである点、
物理的なメカニズムに従って生成されるデータである点、に特殊性があり、当分野では
これらの特徴を意識して設計された独自の確率モデルが多く提案されています。
本チュートリアル では、音声・音楽・音響信号を対象とした各種機械学習問題を
概観しながら、音声音響信号処理分野で提案されてきたいくつか のユニークな
確率モデルと、補助関数法と呼ぶ最適化の方法論に基づく学習アルゴリズムの
導出方法を紹介します。

キーワード：
音声音響信号処理、認識・分析・合成・変換・分離、時系列データ、生成過程モデル、
確率モデル、学習アルゴリズム、補助関数法

Kameoka2014IBIS11ver3

Pythonによる機械学習プログラミング

神嶌敏弘 (産業技術総合研究所)

本講演では Python による機械学習プログラミングの基本的な操作および、 機械学習に
関連したパッケージを紹介する。なお、プログラミング言語 Python の文法や数値計算
プログラミングに関する基本的な知識についてはふれない。
前半では、Python による数値計算の基本パッケージである NumPy と SciPy について
紹介する。Python による数値計算環境についてふれたのち、NumPy を用いた配列の
生成と操作について述べ、数式を実装する手続きを紹介する。SciPy については、
利用できる関数群の概要を紹介する。
後半では、数値計算に関連したパッケージ群を紹介する。対話環境を構築するため
の IPython、グラフ描画のための matplotlib、機械学習アルゴリズム scikit-learn な
どの関連パッケージの概要を紹介し、最後にさらに Python による数値プログラミング
について詳しく知るための情報源を紹介する。

キーワード：
Python、NumPy、 SciPy、 科学技術計算、 数値計算プログラミング