統計学のより進んだ技法のいくつかを様々な応用分野との関連で述べる.特に高次元推定問題や機械学習の話題についてふれる.
機械学習・データ解析の手法を紹介する.
各手法の理論と使い方を学ぶ.
実際にパターン認識などを解けるようにする.
教師有り学習
-統計的決定理論
-過学習と正則化:バイアス-バリアンスのトレードオフ
-高次元スパース推定 (Lasso,低ランク行列推定,グループ正則化,共分散選択)
-正則化学習法の最適化技法
-オンライン学習
-カーネル法
-学習理論
教師なし学習
-クラスタリング
--K-means法
--Gaussian Mixture Model,EMアルゴリズム
-独立成分分析
T. Hastie, R. Tibshirani, and J. Friedman: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Second edition. Springer, 2009.
線形代数と確率統計の基礎知識があることが望ましい.
出席30点+レポート70点