IBISMLチュートリアル
Kenji Yamanishi
IBISML メーリングリストの皆様
下記のように、IBISMLチュートリアルを開催する運びとなりました。
初学者向けに機械学習技術の基礎をわかりやすく、かつ応用を重視して
解説するというものです。6人の講師が2日間にわたって講義します。
皆様のご参加をお待ちしております。
なお、定員になり次第、参加募集を打ち切りますので、
お早目の申し込みをお願いいたします。
山西健司＠東京大学
--------------------------------------------------------------------------
■IBISMLチュートリアル
「実践! 機械学習
---現実に生きる学習技術の基礎と実例」
■主催：電子情報通信学会 情報論的学習理論と機械学習研究会(IBISML)
■目的
大量のデータが溢れ、価値ある情報を発見する技術が求められている。
そのような技術として期待の大きい機械学習とデータマイニングについて、
基礎から実践までを解説する。特に、ビジネスの具体的応用場面を想定して、
必要な基礎概念をわかりやすく解説するとともに、実際に価値ある情報を
引き出すための、一般の教科書では決して教えてくれないノウハウについても
紹介する。さらに、学会の最先端をいく技術にあって応用性が高い技術に
ついてもIBISMLならではの独自の視点をもっていくつか紹介する。
■想定対象
企業や大学で、機械学習やデータマイニング技術を具体的な応用場面に利用したい
と考えている研究者、ユーザ。とくに時間がなくて、短時間でできるだけ基礎的
かつ実践的な知識を吸収したいと考えている方。
■参加費
1日参加 10000円 2日参加 20000円
■期間
2012年1月11日(水）12日（木）
■場所
東京大学工学部6号館セミナー室AD
http://www.u-tokyo.ac.jp/campusmap/cam01_04_07_j.html
■定員
1/11, 1/12それぞれ80名
■申し込み方法
http://ibisml.org/tutorial にてお申込みいただけます。
定員になり次第締め切ります。お申し込みはお早めにお願いします。
申し込みが受付けされましたら、メールにて参加料の振込方法を
お伝えしますので、所定の口座に事前に参加料をお振込み頂くよう
お願いいたします。
■プログラム
1/11(水）
●10:00-12:00 鷲尾隆（大阪大学）
・タイトル：「データからの構造発掘とその実適用
－グラフマイニングと統計的因果推論の基礎と展開－」
・キーワード：グラフ構造マイニング、DAG、統計的因果推論
・応用分野：化合物解析、遺伝子発現NW、医療データ解析
・概要：
情報通信ネットワークやユビキタスセンシング、科学的観測網など、近年
の様々な情報ソースから得られるデータは、グラフなどのトポロジカルな
構造を有するもの、あるいは同様な構造を有するプロセスから生成された
ものが多い。本講義の前半において、構造を有するデータの中から特徴的
構造を抽出するグラフマイニングやグラフ検索の基礎手法について説明す
る。そして、その応用として化学化合物解析や医療データ解析への適用例
を示す。また、後半においては、データからその各変数を生成した過程の
構造を推定する統計的因果推論手法の基礎と最新研究を説明する。更にそ
の遺伝子発現ネットワーク推定や生体信号の生成過程推定への応用につい
て説明する。
●13:00-15:00 山西健司（東京大学）
・タイトル「異常検知・リスク分析のための機械学習 その1」
・キーワード：外れ値検知、変化点検知、異常パタン発見
・応用分野： セキュリティ、不正・詐欺検出、マーケティング、SNS
・概要：
大量のデータから、通常のパタンから逸脱した異常を発見することを
「異常検知」とよぶ。異常検知は、システム挙動データからの故障発見、
アクセスログからの攻撃検出や未知ウイルスの検出、 ネット上の発言
データからのトピック検出など, ビッグデータ時代に計り知れないビジ
ネスニーズを含んでいる。 本講義では, 異常検知の基礎的手法として、
外れ値検出、 変化点検出、 異常行動パタン検知手法にスポットを当て、
これらについての基礎的手法から最新の手法までの代表的なものをわか
りやすく、 かつできるだけ統一的に解説する。 また、これらを現実の
セキュリティ、 障害検出、 SNS解析などに用いる方法を実例を用いて
解説し、どのように価値ある知識につなげるかについて解説する。
●15:00-17:00 井手剛（IBM東京基礎研究所）
・タイトル「異常検知・リスク分析のための機械学習 その２」
・キーワード：相関異常、回帰モデル、GGM、構造学習
・応用分野： センサーデータへの適用（生産設備、運輸、など）
・概要：
本講義では、「データからの構造発掘とその実適用」および「異常検知・リスク分析
のための機械学習その１」を受けて、より産業応用に近い観点から異常検知・リスク
分析のための基礎技術の解説を行う。多変量正規分布のノイズモデルに基づく諸手法
を概観した後、産業上に非常に豊富に現れる物理センサーデータの特徴を整理する。
その後、線形回帰モデルに基づく統計的プロセス制御の概要を解説する。また、その
発展として、グラフィカル・ガウシアン・モデルに基づく最近の発展と応用例を述べ
る。
1/12(木）
●10:00-12:00 上田修功（NTTコミュニケーション科学基礎研究所）
・タイトル：「パタン認識のための機械学習 その１（生成モデル）」
・キーワード：生成モデル、ベイズ学習、潜在変数モデル
・応用分野：メディア処理（音声、画像、テキスト）
・概要：
近年、メディア（音、画像、テキスト）処理の研究分野で
最新の機械学習技術が適用されています。今後、ビジネス応用
への発展の可能性も高いと言える。特に、観測データの
背後にあるデータ生成過程を確率分布の形でモデル化する
「生成モデルアプローチ」が最近多用されている。しかし、生成
モデルアプローチを応用する立場で解説した資料等が殆どな
いため、非専門家が運用するには敷居の高い技術と言える。
そこで、本チュートリアルでは、生成モデル的機械学習技術を、
メディア応用の観点で、基礎事項から適用方法まで、分かり
やすく解説する。
●13:00-15:00 杉山将（東京工業大学）
・タイトル：「パタン認識のための機械学習その２（識別モデル）」
・キーワード：SVM（カーネル）, スパース正則化、識別モデル、クラスタリング
・応用分野：脳波解析，ロボット制御
・概要：
パターン認識には，「パターン認識のための機械学習 その１」で紹介した生成
モデルアプローチ以外に，パターンの認識に用いる識別関数を直接学習する識
別モデルアプローチがある．識別モデルアプローチは，データ生成過程に関す
る十分な知識が得られない場合に特に有効であり，信号処理，画像認識，自然
言語処理，ロボット制御，脳波解析，バイオインフォマティックスなど，様々
な応用分野で成功を収めている．しかし，識別モデルアプローチには多様な学
習手法があり，非専門家がこれらを習得するのは必ずしも容易ではない．そこ
で本チュートリアルでは，スパース正則化，半教師付き学習，サポートベクト
ルマシンなどの代表的な識別学習手法を，統一的な枠組みのもとで分かりやす
く解説する．また，これらの脳波解析，ロボット制御への応用例も紹介する．
●15:00-17:00 大羽成征（京都大学）
・タイトル：「高次元システム理解のための機械学習と統計的検定」
・キーワード：次元削減、因子化、多重検定
・応用分野：応用：医学・生物学データ解析
・概要：
医学・生物学は、生体高分子挙動を網羅的に測定する手法の発展によって、高次元シ
ステム理解を目指すデータサイエンスとしての側面を広げつつある。高次元システム
を扱う一般のデータマイニングもこれを追ってゆくであろうと思われる。そのなか
で、機械学習技術の役割は大きい。そこで本講義では、ここまでに行われた「生成モ
デル」「識別モデル」の知識を踏まえ、医学・生物学応用を例にとりながら、高次元
システム理解のための「因子化」「次元縮約」に基づくデータ解析手法を説明する。
また、解析結果の信頼性を担保するための「統計的検定」の方法を説明する。とくに
多数の仮説を同時に取り扱う「多重検定」の状況において、「第一種過誤」や「検出
力」といった重要概念が、多重性のもとでどのように変化してゆくかを解説し、新し
い検定の世界を概観する。
------------------------------------------------------------------------
山西健司
〒113-8656東京都文京区本郷7-3-1
東京大学 大学院情報理工学系研究科
数理情報学専攻 教授
E-mail: yama...@mist.i.u-tokyo.ac.jp
TEL: 03-5841-6895
FAX: 03-5841-8599