チュートリアル

須山 敦志(アクセンチュア)

ベイズ深層学習入門

近年データ解析の世界は大きな転換期を迎えており、特に2006年に発表された論文から一大ブームを巻き起こした深層学習は、大規模なモデルを大量データによって学習させることによって高精度な統計的予測を可能にした。一方で、大量データを取り扱う領域において実用面での要求も多様化しており、深層学習においてはモデルが出力する結果の解釈性や、予測の信頼性に関して課題があるとされている。また、単純な教師あり学習による回帰や分類だけではなく、データの自動生成など応用範囲も複雑かつ多岐にわたってきている。このような大量データ解析におけるニーズの多様化・用途の深化に対応するために、理論面と応用面の双方で実績の高いベイズ統計の考え方をベースに深層学習を解釈・発展させようという試みが広がっている。本チュートリアルでは、ニューラルネットワークやオートエンコーダといったモデルをベイズ的に取り扱うための方法や、それによって得られる利点を解説する。さらに、深層学習の研究で発見された効率的な学習方法に関してベイズ統計による解釈を試みる。

宮武 勇登(大阪大学 サイバーメディアセンター)

常微分方程式の数値解析とデータサイエンス

TBA

米谷 竜(OMRON SINIC X)

Federated Learningにおける典型的な課題と最近の展開

TBA

宮口 航平(IBM 東京基礎研究所)

統計的学習理論入門

TBA