2017年2月17日に行われた統計数理研究所での研究集会『因果推論の基礎』での講演内容です(配布用の改変あり)。スライドだけだと口頭での説明がないので分かりにくい部分もあるかもしれません。 [http://www.ism.ac.jp/events/2017/meeting0216_17.html:title]
![『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた](https://cdn-ak-scissors.b.st-hatena.com/image/square/70d83fd32ef9bec8ebf529f90d75e80065e70519/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Frandom-131221040422-phpapp02-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
2. Are we any closer to understanding biological models of computation? I think the success of deep learning gives a lot of credibility to the idea that we learn multiple layers of distributed representations using stochastic gradient descent. However, I think we are probably a long way from understanding how the brain does this. Evolution must have found an efficient way to adapt features that ar
混合分布学習の基礎から最先端 第1部:混合分布の基礎(藤巻) 第2部:ノンパラメトリックベイズ法(佐藤) 第3部:異種混合学習と因子化漸近ベイズ(藤巻) Ryohei Fujimaki (NEC Laboratories America) joint Tutorial with Issei Sato (University of Tokyo) NEC 基幹技術フォーラム 2013/4/4 第3部 異種混合学習と因子化漸近ベイズ(藤 巻) 第3部の構成 異種混合学習とモデル選択 因子化情報量基準と因子化漸近ベイズ推論 因子化漸近ベイズ推論の性質 実験 発展モデルへ 3 分析案件を思い返してみると。。。 自動車センサデータ – 車種、走行環境(天候、道路状況。。)、走行状態(加減速、停止、カー ブ。。)、、、 健康診断データ – 生活習慣、治療・通院状況、遺伝的リ
学内の仕事に関係した宿題で、「現代思想」という雑誌の今年の8月号の「ポスト・ノーマル時代のサイエンティストのお仕事」という記事を読む必要がありました。科学史家の塚原東吾先生と脳生理学者の美馬達哉先生の対談です。 論点は多技に渡っているのだけれども、そのなかで幾つかの話が、私が近年感じている絶望感、というと言い過ぎかもしれないが、居心地の悪さを、はっきり言語化する手助けになりました。 それで私の「ポストノーマル・サイエンスなうんざり感」について書いてみようと思います。この居心地の悪さ、鬱陶しさ、憂鬱さは、科学研究の前線で仕事をしている全ての人が、多かれ少なかれ感じているのではないかと思うからです。 美馬先生が「ソーカルのサイエンス・ウォーズ」に関して、とても面白いことを言っておられます。外部の批評家ではなく、自身が日頃生理学研究のカティングエッジに立っている方の発言です。若い人にはピンとこな
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く