なるべく数式を使わない！滋賀大学の無料データサイエンス講座が開講 | Ledge.ai
画像は『滋賀大学「大学生のためのデータサイエンス（Ⅱ）」講座PV～ gacco：無料で学べる大学講座』より オンライン講座サイト「gacco（ガッコ）」では11月16日から、滋賀大学データサイエンス学部による「なるべく数式を使わない」という方針で構成した「大学生のためのデータサイエンス（Ⅱ）」が開講される。受講料は無料。 本講座では、機械学習の諸手法とその応用について説明する。まず「機械学習とは何か？」という説明から始め、その後に機械学習の応用事例を紹介。応用事例を先に見ることによって、機械学習の有用性が理解でき、機械学習の手法をより積極的に学べるとしている。 次に、分類問題と回帰問題の具体的な手法を説明し、同時に特徴量の設計・選択など、実践的なテクニックについても紹介する。最後に、近年、発展の著しいニューラルネットワークについても説明してくれる。また、本講座は、機械学習の分野のなかでも教
1からみなおす線形モデル (2) - 一般化線形モデル - About connecting the dots.
目次 1からみなおす線形モデル (1) - 一般線形モデル - About connecting the dots. 1からみなおす線形モデル (2) - 一般化線形モデル - About connecting the dots. 1からみなおす線形モデル (3) - 一般化線形混合モデル - About connecting the dots. はじめに ということで，前回で駆け足ではありますが一般線形モデルについてざっと説明しました．そして今回は一般化線形モデルについてみていきます． 一般線形モデルの限界 一般線形モデルについて，概要は前回説明しましたが，ここで一般線形モデルの定義を明確にしておきたいと思います．といっても土居さんのレジュメを簡単に言い換えただけですが，以下の通りになります． ・y の平均がパラメータの一次結合で表わされる ・説明される変数 y が正規分布に従う パラメ
ベータ分布でベイズ推定するときの事前分布パラメータ評価 - Qiita
はじめに 親愛なる皆様、今日も元気にベイズってますでしょうか？ ベイズ推定ってわりと直感的で、バンディット問題なんかと相性よく私も実務で使いはじめているのですが、いつでも悩みどころになるのが事前分布の設計だと思います。 とりあえず無情報事前分布と呼ばれるもの使っておこうとか、経験上このくらいの期待値と分散っぽいからエイっと決めちゃおうとか、みんなわりとそんなノリかなという気がしているのですが、職人芸は不安になりますよね。 では依って立つ理論はないのかというと、WAICという情報量規準を考案された渡辺先生の定理が光を照らしてくれるので、そのまま引用します。 定理 ： 「（自然な条件を満たす）任意の統計モデルと任意の事前分布について，ベイズ推測の汎化誤差と自由エネルギーはあるシンプルな数学的法則に従っている」 ... 与えられた「統計モデル＋事前分布」の良さ悪さは定量的に計算できる ... (
1
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
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
https://www.denshi.e.kaiyodai.ac.jp/wp-content/uploads/pdf/investigation/20070823.pdf
Microsoft PowerPoint - MS40 diffusion
https://repository.kulib.kyoto-u.ac.jp/dspace/bitstream/2433/151249/1/kronso_181_2_134.pdf
https://www.jstage.jst.go.jp/article/marketingscience/24/1/24_240106/_pdf/-char/ja
http://www.ise.chuo-u.ac.jp/ise-labs/taguchi-lab/pdf/bachelor/2015/2015_yamamoto.pdf
https://www.mediacom.keio.ac.jp/publication/pdf2004/kiyou54/8.pdf
えるエル on Twitter: "東大が無償でPDF公開している，統計学会の75周年記念出版『21世紀の統計科学』の3冊 1と2は実際の統計データを用いて，各事例への統計学の応用手法，3は機械学習の人なら馴染み深い統計計算を解説 下手な市販の本を買うよりは，この3… https://t.co/w2cSVIxmUI"