出版社内容情報
変数間の因果やつながりをグラフで表現、分析するメリットを理解して使おう。古典的方法から最近の流れまで１冊でわかる。各種グラフィカルモデルの紹介から、機械学習における使い方まで丁寧に解説する。この手法が有効な問題の見分け方、グラフの扱い、推論・学習に活かす方法など、必要なことをコンパクトにまとめた。
【機械学習プロフェッショナルシリーズ】
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全31巻(＊)にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。
第4期として、以下の4点を刊行!
ヒューマンコンピュテーションとクラウドソーシング 鹿島 久嗣/小山 聡/馬場 雪乃・著
変分ベイズ学習 中島 伸一・著
ノンパラメトリックベイズ 佐藤 一誠・著
グラフィカルモデル 渡辺 有祐・著
第5期の刊行は2016年8月、第6期の刊行は2016年12月の予定。
【シリーズ編者】
杉山 将 東京大学大学院新領域創成科学研究科 教授
(＊)【追加・変更について】
2016年2月、『機械学習のための連続最適化』『ガウス過程と機械学習』の2書目を新たにシリーズラインナップに追加しました。また、『統計的自然言語処理』を『深層学習による自然言語処理』に変更しました。詳しくは、講談社サイエンティフィクwebページをご覧ください。
第1章 グラフィカルモデル入門
第2章 確率論の基礎
第3章 ベイジアンネットワーク
第4章 マルコフ確率場
第5章 因子グラフ表現
第6章 周辺確率分布の計算1.:確率伝搬法
第7章 周辺確率分布の計算2.:ベーテ近似
第8章 周辺確率分布の計算3.:平均場近似
第9章 グラフィカルモデルの学習1.:隠れ変数のないモデル
第10章 グラフィカルモデルの学習2.:隠れ変数のあるモデル
第11章 グラフィカルモデルの学習3.:具体例
第12章 MAP割り当ての計算1.:最大伝搬法
第13章 MAP割り当ての計算2.:線形緩和による方法
第14章 グラフィカルモデルの構造学習
付録A 公式集
付録B 凸解析入門
付録C 指数型分布族
渡辺 有祐［ワタナベ ユウスケ］
著・文・その他
内容説明
視点の転換がカギ！グラフを用いて記述する利点が実感できる。多岐にわたるグラフィカルモデルの使われ方の全体像を示す。入門に便利！必要な公式や凸解析の基礎的事項を付録に収録。
目次
グラフィカルモデル入門
確率論の基礎
ベイジアンネットワーク
マルコフ確率場
因子グラフ表現
周辺確率分布の計算（確率伝搬法；ベーテ近似；平均場近似）
グラフィカルモデルの学習（隠れ変数のないモデル；隠れ変数のあるモデル；具体例）
ＭＡＰ割り当ての計算（最大伝搬法；線形緩和による方法）
グラフィカルモデルの構造学習
著者等紹介
渡辺有祐［ワタナベユウスケ］
博士（学術）。２００６年京都大学理学部物理学科卒業。２０１０年総合研究大学院大学複合科学研究科統計科学専攻博士課程修了。現在、ソニー株式会社機械学習リサーチエンジニア（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
yoshi1987
