開講場所：
提供：大阪大学
講師：高野　渉
開講日時：2020年10月6日 ~
受講対象者：院生(修士/博士前期)・院生(博士/博士後期)・学部生
評価方法：期末テストにて評価を行う
受講生へのコメント：・本授業はメディア授業（オンデマンド授業）です
・講義資料は、適宜CLE 上にアップロードします

膨大な実世界データから有益な情報を知識として抽出し，それを再利用した人工システムを設計するためには，機械学習の枠組みが有効である．本講義では，その数学の理論およびアルゴリズムを俯瞰しながら機械学習の基礎を講義する

第1回目 統計数理の復習（正規分布，相関，ベイズの定理）
第2回目 数理最適化の復習（数理計画，動的計画問題）
第3回目 データの特徴抽出・低次元化（主成分分析，カーネル主成分分析，判別分析）
第4回目 統計的回帰分析
第5回目 観測データからの非観測状態の推定（カルマンフィルタ）
第6回目 観測データからの非観測状態の推定２（パーティクルフィルタ）
第7回目 "非観測状態の推定とモデル最適化（EMアルゴリズム）
"
第8回目 非観測状態の推定とモデル最適化（EMアルゴリズム２）
第9回目 "統計的生成モデルの機械学習（混合ガウスモデル）
"
第10回目 "統計的生成モデルの機械学習２（隠れマルコフモデル）
"
第11回目 "統計的識別モデルの機械学習（サポートベクターマシン）
"
第12回目 "統計的識別モデルの機械学習２（コンディショナルランダムフィールド）
"
第13回目 "統計的生成モデルと識別モデルの統合（フィッシャベクトル）
"
第14回目 ニューラルネットワークの機械学習
第15回目 "機械学習の実際：ロボットの運動への適用

講義ページにアップロードされている講義ノートを活用しながら，授業中にわからなかったことを復習して理解を補足すること．