Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

自然言語処理のための機械学習入門1章

9,381 views

Published on

@yamano357 さん主催の #NLPStudy での講演資料です.

Published in: Engineering
  • Be the first to comment

自然言語処理のための機械学習入門1章

  1. 1. @piroyoung
  2. 2. 自己紹介 ステータス • @piroyoung a,k,a みずかみひろき • 数学(ゲーム理論) → SPA企業の総合職(物流・小売) → データナントカ(コンサル)Now! • 最近,渋谷が気になる スキル・興味・近況 • R, SQL, Python, Ruby, Jags/Stan • データマイニング屋 • NLPについては何も知らない • Scala修行中 • 新しいものが好き • Yo!! 始めました → PIROYOUNG • LINEも始めました→ piroyoung 2
  3. 3. 自然言語処理のための 機械学習入門 (たかむらぼん) 1章 必要な数学的知識 NLPStudy #2 @piroyoung みずかみ ひろき
  4. 4. • 本発表の内容は,あくまでも私個人の見解であり, 所属する組織や団体とは一切関係がありません. • それどころか大部分の情報源が「私の記憶」です. 記憶力には万全を機してはおりますが,もし間違い などありましたら,こっそりご指摘いただければ幸 いです.
  5. 5. • 1.2 最適化問題 • 1.2.1 凸集合と凸関数 • 1.2.2 凸計画問題 今日やること • 1.2.3 等式制約付き凸計画問題 • 1.2.4 不等式制約付き凸計画問題 • 1.3 確率 • 1.3.1 期待値 平均 分散 • 1.3.2 結合確率と条件付き確率 • 1.3.3 独立性 • 1.3.4 代表的な離散確率分布 • 1.4 連続確率変数 • 1.4.1 平均・分散 • 1.4.2 連続確率分布の例 • 1.5 パラメータ推定法 • 1.5.1 i.i.dと尤度 • 1.5.2 最尤推定 • 1.5.3 最大事後確率推定 • 1.6 情報理論 • 1.6.1 エントロピー • 1.6.2 KL情報量 • 1.6.3 JS情報量 • 1.6.4 自己相互情報量 • 1.7 この章のまとめ
  6. 6. • 1.2 最適化問題 • 1.2.1 凸集合と凸関数 • 1.2.2 凸計画問題 今日やること • 1.2.3 等式制約付き凸計画問題 • 1.2.4 不等式制約付き凸計画問題 • 1.3 確率 • 1.3.1 期待値 平均 分散 • 1.3.2 結合確率と条件付き確率 • 1.3.3 独立性 • 1.3.4 代表的な離散確率分布 • 1.4 連続確率変数 • 1.4.1 平均・分散 • 1.4.2 連続確率分布の例 • 1.5 パラメータ推定法 • 1.5.1 i.i.dと尤度 • 1.5.2 最尤推定 • 1.5.3 最大事後確率推定 • 1.6 情報理論 • 1.6.1 エントロピー • 1.6.2 KL情報量 • 1.6.3 JS情報量 • 1.6.4 自己相互情報量 • 1.7 この章のまとめ
  7. 7. 突然ですがアンケート Q:最尤法を知っていますか?
  8. 8. 突然ですがアンケート Q:最尤法を知っていますか? ◾集計結果◾ ◾Yes以外:5% ◾Yes: % 950000 ⇥ 10

×