次回は、4章4節からスタートします。

開催趣旨

本勉強会では、ベイズ機械学習について理解を深めることを目的とし、下記の本を一章ずつ取り上げていく予定です。事前に予習し、コードを一通り動かしてから参加されることをオススメします。参加者同士の質問・意見交換やディスカッションをメインに進めていく予定です。

『Pythonではじめるベイズ機械学習入門』（ 著：森賀　新　著：木田　悠歩　著：須山　敦志, 講談社）

※ 書籍はご自身で入手のうえ、ご参加ください。

参加対象者

• ベイズ機械学習手法の理解・Pythonによる実装力を高め、業務や研究に活用した社会人・学生・研究者の方
• Pythonの基礎的な文法やJupter Notebook、Google Colaboratoryの基本的な使い方を習得されている方

参加方法

Connpassの「参加者への情報」に記載のzoomリンクよりご参加ください。

勉強会の進め方

• その日に取り扱う章を前もって各自ご自身で読み進めておいてください。
• 勉強会では、皆で書籍の内容を確認しながら、必要に応じてGoogle Colaboratory等で実際にコードを動かしていきます。
• ポイントごとに立ち止まって疑問点をぶつけ合い、意見交換し、理解を深めていければと思います。

※ 一人が資料準備してきて一方的にレクチャーする形式ではなく、参加者同士インタラクティブにディスカッションしながら進めていきます。

書籍の紹介文（https://bookclub.kodansha.co.jp/product?item=0000365913）

★確率的プログラミング言語がすぐに使える！★
・Pythonでのコーディングを前提に、PyMC3、Pyro、NumPyro、TFP、GPyTorchをカバー。
・回帰モデルの基本から潜在変数モデル・深層学習モデルまでを幅広く解説。

【主な内容】
第1章　ベイジアンモデリングとは
1.1 データ解析とコンピュータ
1.2 ベイジアンモデリングの基礎
1.3 代表的な確率分布
1.4 近似推論手法

第2章　確率的プログラミング言語（PPL）
2.1 ベイジアンモデリングとPPL
2.2 自動微分・最適化アルゴリズム
2.3 PyMC3の概要
2.4 Pyroの概要
2.5 NumPyroの概要
2.6 TensorFlow Probabilityの概要
2.7 GPyTorchの概要

第3章　回帰モデル
3.1 線形回帰モデル：線形単回帰モデル
3.2 線形回帰モデル：線形重回帰モデル
3.3 一般化線形モデル：ポアソン回帰モデル
3.4 一般化線形モデル：ロジスティック回帰モデル
3.5 階層ベイズモデル
3.6 ガウス過程回帰モデル：ガウス尤度
3.7 ガウス過程回帰モデル：尤度の一般化

第4章　潜在変数モデル
4.1 混合ガウスモデル
4.2 行列分解モデル
4.3 状態空間モデル
4.4 隠れマルコフモデル
4.5 トピックモデル
4.6 ガウス過程潜在変数モデル

第5章　深層学習モデル
5.1 ニューラルネットワーク回帰モデル
5.2 変分自己符号化器
5.3 PixelCNN
5.4 深層ガウス過程
5.5 正規化流

参加者同士の質問・情報交換

Scribble Osaka Lab（SOL）のSlackワークスペースで、参加者同士の質問・情報共有用チャンネルを設けております。参加ご希望の方は、申込みフォームで招待メール送り先のEmailアドレスをお教えください。

その他

ソレイユデータ道場については、公式HPやFacebookページをご参照ください。

公式HP：https://soleildatadojo.com/
Facebookページ：https://www.facebook.com/soleildatadojo/