人工知能ブームの中、ビッグデータをディープラーニングで学習するというような話題が注目を集めていますが、現実にはそれほど多くないデータから最大限の情報を引き出したいというケースが数多くあります。また、機械学習によるデータ解析では適切に試行錯誤を繰り返すサイクルを効率的に回す必要があります。
　本講座では、製造業などで行われたデータ解析事例を紹介しながら、スパースモデリング、ベイズモデリングといった機械学習手法を使いこなすコツをご紹介します。また、少数のデータに対しても高い精度でディープラーニングの学習を実現するための手法や異常値検知や製品設計の最適化などについても効率化を行う方法についてお話します。

1. 機械学習の基礎
   1. 機械学習の最新動向
   2. 汎化能力と次元の呪い
2. 機械学習の基本手順
   1. 現場的データ解析の手順とサイクル
   2. 教師あり学習:予測とパターン認識
   3. 教師なし学習:推薦とトピック抽出
   4. 欠損値の補完と異常値検出
3. モデル化の効率化
   1. スパースモデリングによる構造抽出
   2. ベイジアンネットを用いた知識モデリング
   3. カーネル法:サポートベクトルマシン
   4. アンサンブル学習:ランダムフォレスト
   5. 転移学習による少数データ活用
   6. ディープラーニングを利用した画像特徴抽出
   7. 意思決定:バンディット問題と強化学習
4. 機械学習と最適化
   1. 最急降下法と局所解の問題
   2. 最適化のためのデザインとベイズモデル
• 質疑応答