読者です 読者をやめる 読者になる 読者になる

グラフィックスとか数学…etc

勉強したことのまとめを書きます~.Qiitaはこちら→http://qiita.com/muripo_life

何も機械学習を知らない僕が「by 機械学習of 機械学習」に行ってみた

つい二週間前、FaceBookで友達何人かが「いいね」を詳しく見たのが、始まりだった。(http://www.scj.go.jp/ja/event/pdf2/217-s-3-2.pdf)

最近、グラフィック系のプログラムしか書いてないので、平日開催で、参加費無料、事前申し込みなしということで、リフレッシュのために行こう。

思い立つ。

折角の事実上ニートである。

こういうものには参加しようと思いくことに会場に着くと…

「完全な学会じゃないか!」

ま~でも素人の僕が聞いてても面白い内容だったので、レポートを書こうと思います。

講演内容

「of機械学習

  1. 教師付き学習の新展開:少ない情報から精度良く
  2. 構造的スパース性を用いた機械学習とその最適化
  3. ベイズ敵最適化に基づく機械学習の実験計画

「by機械学習

  1. 機械学習による科学的発見のための仮説生成とその信頼性評価
  2. 機械学習による機械の学習:自動運転からロボットの協調生産まで
  3. 普通の民間企業が抱く機械学習への期待と不安

 でした。

機械学習を学んだことがなかったので「by機械学習」のほうが楽しめましたが…

「of機械学習」は定義がわからないからggりたいのに、wifi繋がんね…

って具合で講演が終わってからの昼休みに飯食いながら調べていました。

とりあえず、

用語の定義

機械学習(MLと表記):明示的にプログラムしなくても学習する能力をコンピュータに与える研究分野

深層学習(DNNと表記):多層構造のニューラルネットワーク(ディープニューラルネットワーク: Deep Neural Network)の機械学習の事

スパース性:高次元データを説明するための変数が,データの次元数と比べて少数であること

教師あり学習:入力とそれに対応すべき出力(人間の専門家が訓練例にラベル付けすることで提供されることが多いのでラベルとも呼ばれる)を写像する関数を生成する。

教師なし学習:入力のみ(ラベルなしの例)からモデルを構築する。

強化学習:周囲の環境を観測することでどう行動すべきかを学習する。行動によって必ず環境に影響を及ぼし、環境から報酬という形でフィードバックを得ることで学習アルゴリズムのガイドとする。

 

感想

「教師付き学習の新展開:少ない情報から精度良く」

実は寝坊てしまい、この講演の途中から入ってきました。

最後しかほぼ聞いていないけど…

ML ≠ BigData + DNN

らしい、わかるために今後勉強します。

あとこれの宣伝をしていた。

機械学習プロフェッショナルシリーズ | 書籍情報 | 株式会社 講談社サイエンティフィク

 個人的には、お金に余裕がなく、別の勉強をメインでやっているため2,3か月後ぐらいに取っておこうと思う。

そのうち買おうと思ったり…

「構造的スパース性を用いた機械学習とその最適化」

こちらはバリバリの理論だった。

{l}^{1}ノルムとか{l}^{2}ノルムとか使うのね~

へぇ~といった感じで、ま~解析的関数を使っているからそりゃ使うかと思ったり…

へぇ~凸関数使うのね~

と勉強しないとわかりません…

って内容でした…

ベイズ敵最適化に基づく機械学習の実験計画」

ベイズ的最適化の話

ベイズ的最適化:入力から出力を得るコストが高いブラックボックス関数を効率的に最適化する手法の総称

らしい、ま~ベイズ推定さえもやってことないし…

そもそもベイズ推定とベイズ的最適化が関係あるかもわかりませんが…

リクルートのサービスや医療現場に活用されているのね~

へぇ~

機械学習による科学的発見のための仮説生成とその信頼性評価」

帰無仮説:仮説検定で捨てるか捨てないか決めようとする仮説。差がない,効果がない,といった否定形のもの。帰無仮説が測定値によって捨てられれば,差がある,効果があるといった肯定形の結論が得られる。

の話でした。

仮説の枠組みについての従来とBigDataを用いた仮説の立て方の違いなどを説明していた。

機械学習による機械の学習:自動運転からロボットの協調生産まで」

今後の機械学習の展望が聞けたり、機械学習を機械の学習の生かす話を聞いた。

個人的には、DNNのフレームワークである。

github.com

が知れて今度触ってみようと思った。

「普通の民間企業が抱く機械学習への期待と不安」

ビッグデータビジネスの話の近年の移り変わりが聞けて面白かった。

どう、機械学習が世の中に生かされているのかをしれたりしました。

 

以上。

ま~統計から機械学習の勉強は来年のどこかでやろう。

ま~シェアハウスの朝活でやろうって話が出ているので勉強しないことはないとおもうが…(機械学習を初めて勉強する人におすすめの入門書 - old school magic)