.png)
- 確率的な不確実性定量化を可能にするクラスタリング手法を習得
- 一般化ベイズ法を用いた柔軟なモデリングの手法を理解
- 損失関数の選択によるクラスタリング結果の解釈の向上
従来のk-meansなどの損失関数に基づくクラスタリング手法は計算効率が高いものの、不確実性の定量化ができないという課題があります。一方で、混合モデルなどの確率モデルに基づく手法は厳密な推論が可能ですが、計算コストが高く、カーネル関数の指定に敏感であるという問題があります。本セミナーでは、これらの手法の利点を統合する「一般化ベイズ」フレームワークを用いた確率的クラスタリングについて学びます。 一般化ベイズ法では、データの尤度を明示的に仮定することなく、損失関数を用いてベイズ的な推論を行うことが可能です。本手法により、1) パラメトリックな仮定を置かずにモデルを構築できる、2) クラスタリングの不確実性を確率的に評価できる、3) 従来のk-meansなどの手法を拡張し統一的な枠組みで扱える等といった特長を持つ新しいクラスタリング手法を提供します。本セミナーでは、一般化ベイズの基本概念から、損失関数の選択（BregmanダイバージェンスやPairwise dissimilaritiesの利用）による解釈の違いについて解説します。さらに、Rを用いた実装を通じて、実データへの適用方法を習得します。
このような方におすすめ
- データサイエンス研究者・統計学者
- 産業データ解析に携わるエンジニア
- 最新の統計解析手法に興味を持つ学部生・大学院生
申込期限
- 一般申込期限：開催日前日 23:59
- 学生申込期限：開催日の2営業日前 23:59
- 団体申込期限：開催日の2営業日前 23:59
領収書発行
領収書を希望の方は、下記よりお問い合わせください。なお、学割利用の方への領収書発行はいたしかねますので、予めご了承ください。https://seminar.no-spare.com/receipt
注意事項
- 本セミナーはZoom Webinarsを用いて開催いたします。
- お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日までに送付いたします。
- 開催時間になりましたら、送付するURLよりご参加ください。
- 講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
- 本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 / 講義資料 / 演習資料（演習のあるセミナーのみ）の3点を配布いたします。
- お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
- アーカイブ配信期間は、セミナー終了より1ヶ月間です。
- 万が一、開催時間になっても事前案内メール（Zoomの参加URLや講義資料など）が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
- 参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
- お問い合わせの際は、弊社コンタクトフォームよりお願い申し上げます。
禁止事項
- 録音や録画撮影などはご遠慮ください。
- 配布した一切の資料 / 動画を無断で公開、転載することは固く禁じます。
免責事項
- 本セミナーの内容は、事前の告知なく変更を行う場合があります。
- 主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
- 弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。
上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。ただし、事由によっては事前のお知らせがないことを予めご了承ください。
個人情報提供
お申し込みフォームや支払いフォームにご記入いただく個人情報は、当社のプライバシーポリシーに則り、適切かつ厳格に取り扱います。プライバシーポリシー
