機械学習・ディープラーニングの為の数学基礎シリーズ＜第2弾！ 確率・統計と情報理論編＞ 機械学習・ディープラーニングの為の数学基礎シリーズ＜第2弾！ 確率・統計と情報理論編＞

タイムテーブル

1日目（確率・統計編）

3月14日（木）

10:00～18:00（8時間）

統計学

  • 統計学とは
  • 記述統計学と推計統計学
  • 母集団と標本
  • 質的データと量的データ
  • データの可視化
  • 量的データの中心
  • 量的データのばらつき・広がり/ 二変数間の関連の強さ

確率

  • 確率の定義
  • 和事象、積事象、余事象の確率
  • 確率の加法定理
  • 条件付き確率
  • 確率の乗法定理
  • ベイズの定理
  • 確率変数
  • 確率分布
  • 確率変数の期待値と分散と標準偏差
  • ベルヌーイ分布
  • 正規分布（1.96σ、中心極限定理など、特に詳しく!）
  • ※演習/演習課題は、授業単位および最終時に実施
18:10～19:00（50分）

特別講演

調整中
19:00～20:00（60分） 懇親会

2日目（情報理論編）

3月15日（金）

10:00～18:00（8時間）
  • 確率・統計編の復習/回答/まとめ
  • 確率論の復習
  • 対数関数の復習
  • 自己情報量
  • エントロピー
  • ２値エントロピー関数
  • 条件付きエントロピー
  • 相互情報量
  • シャノンの基本不等式
  • カルバック・ライブラー情報量（KLダイバージェンス）
  • ※演習/演習課題は、授業単位び最終時に実施
18:00～18:30（30分）
  • 1日目の質問
  • 2日間を通しての質疑・応答/まとめ
  • ※講師・講座内容は予告無く変更される場合があります。予めご了承ください。