H21年度情報システム特論第2 (パターン認識と学習):講義内容

この講義では、パターン認識と(機械)学習に関する基礎的な事柄について学 びます。平成21年度の講義は以下の8項目から構成されています。
  1. イントロダクション(確率モデルに基づくパターン認識と学習の基礎)
  2. 種々の確率分布
  3. 線形回帰モデル
  4. 線形識別モデル
  5. 多層パーセプトロン
  6. 混合分布モデルとEMアルゴリズム
  7. SVM
  8. Boosting

このうち1.〜4.は確率モデルに基づくパターン認識、学習に関する手法を 扱ったもので、Bayes推定に関して重点を置いて講義を行います。

1.〜4.の部分は2006年に出版された、

C.Bishop, "Pattern Recognition and Machine Learning", Springer (2006)

に基づいて講義を行います。この本は非常に良い本だと思います(邦訳もあります)。 この分野に興味を持つ方にはご一読をお勧めいたします。

なお、この講義では、受講生の皆さんは大学1,2年程度の数学の知識(微分、積分、線形代数)は持っていることを仮定しています。またC言語を用いたプログラミングスキルを持っておられることも仮定しています(課題で必要になるため)。