開講場所：
提供：大阪大学
講師：鈴木譲
開講日時：2021年4月1日 ~
受講対象者：院生(修士/博士前期)・院生(博士/博士後期)
評価方法：演習問題100問(合計200点)。
受講生へのコメント：ノートパソコンを持参のこと。R言語を習得している場合はR言語、R言語Pythonをともに習得していない場合はPythonを
https://utokyo-ipp.github.io/index.html
などで独習する。

教科書・教材
鈴木讓: 機械学習の数理100問シリーズ「スパース推定100問 with R」(共立出版)
鈴木讓: 機械学習の数理100問シリーズ「スパース推定100問 with Python」(共立出版)
いずれかを選ぶ

参考文献
https://bayesnet.org/books_jp
https://bayesnet.org/books

春夏月3の講義は出席しても、減点にはならないが、出席することをすすめる。

オフィスアワー
16:20-17:20 。
(コロナで午後の時間が30分遅いとき) 16:50-17:50

本年度(奇数年度)は、統計解析IIという科目で、昨年度(偶数年度)の統計解析(カーネル)とは、科目名も内容も異なります。昨年度履修していても、本年度別の科目として履修できます。

機械学習の一分野、スパース推定を学ぶことによって、データサイエンスおよびRやPythonのプログラミングを習得し、ロジックを固める。線形回帰、一般化線形回帰、グループLasso、Fused Lasso、グラフィカルモデル、行列分解、多変量解析
1) 技術者として必要な、数学的ロジックを構築する
(2) 種々の概念を抽象的(数学的)にも、具体的(プログラミング的)にもとらえられるようにする
1. RおよびPythonの環境、線形回帰
2. LassoとRidge
3. elastic net、lambdaの値の設定
4. ロジスティック回帰
5. 多値のロジスティック回帰、ポアッソン回帰、生存時間解析
6. グループ数が1の場合、近接勾配法
7. 一般のグループLasso
8. Fused Lasso
9. LarsとLassoの双対問題
10. グラフィカルモデルとグラフィカルLasso
11. グラフィカルLassoの拡張、特異値分解
12. 行列分解
13. 主成分分析
14. クラスタリング
15. 最近の動向