集合知プログラミング
| 日時 | 内容 | スライドのファイル | 補足資料など | 発表者 |
| 4月7日 |
1章 集合知への招待 1.1 集合知とは何か？ 1.2 機械学習とは何か？ 1.3 機械学習の限界 1.4 実生活における例 1.5 学習アルゴリズムのその他の使用 |
colint-sasaki-0407.pdf | 佐々木 | |
| 4月14日 | 2章 推薦を行う 2.1 協調フィルタリング 2.2 嗜好の収集 2.3 似ているユーザを探し出す 2.4 アイテムを推薦する |
colint-eguchi-0414.pdf | 江口 | |
| 2.5 似ている製品 2.6 del.icio.us のリンクを推薦するシステムを作る 2.7 アイテムベースのフィルタリング 2.8 MovieLensのデータセットを使う 2.9 ユーザベース VS アイテムベース |
colint-mikami-0414.pdf | 三上 | ||
| 4月21日 | 3章 グループを見つけ出す 3.1 教師あり学習 VS 教師なし学習 3.2 単語ベクトル 3.3 階層的クラスタリング |
colint-itou-0421.pdf | 伊藤 | |
| 3.4 デンドログラムを描く 3.5 列のクラスタリング 3.6 K 平均法によるクラスタリング |
colint-misawa-0421.pdf | 三沢 | ||
| 3.7 嗜好のクラスタ 3.8 データを2次元で見る 3.9 クラスタについてその他のこと |
colint-saito-0421.pdf | 斉藤 | ||
| 4月28日 | 4章 検索とランキング 4.1 検索エンジンとは？ 4.2 シンプルなクローラ 4.3 インデックスの作成 |
colint-sa-0428.pdf | Sa | |
| 4.4 問い合わせ 4.5 内容ベースの順位付け |
colint-rin-0428.pdf | 林 | ||
| 4.6 インバウンドリンクの利用 4.7 クリックからの学習 |
colint-saito-0428.pdf | 斉藤 | ||
| 5月12日 | 5章 最適化 5.1 グループ旅行 5.2 解の表現 5.3 コスト関数 5.4 ランダムサーチ（無作為探索） 5.5 ヒルクライム |
colint-mikami-0512.pdf | 三上 | |
| 5.6 模擬アニーリング 5.7 遺伝アルゴリズム 5.8 実際のフライトを検索する |
colint-itou-0512.pdf | 伊藤 | ||
| 5月19日 | 5.9 嗜好への最適化 5.10 ネットワークの可視化 5.11 さらなる可能性 |
colint-misawa-0519.pdf | 三沢 | |
| 6章 ドキュメントフィルタリング 6.1 スパムフィルタリング 6.2 ドキュメントと単語 6.3 分類器のトレーニング 6.4 確率を計算する 6.5 単純ベイズ分類器 |
colint-eguchi-0519.pdf | 江口 | ||
| 5月26日 | 6.6 フィッシャー法 6.7 トレーニング済みの分類器を保存する 6.8 Blogフィードをフィルタする |
colint-sa-0526.pdf | Sa | |
| 6.9 特徴の検出の改良 6.10 Akismetを利用する 6.11 その他の手法 |
colint-rin-0526.pdf colint-rin-0526-2.pdf |
林 | ||
| 6月2日 | 7章 決定木によるモデリング 7.1 サインアップを予測する 7.2 決定木入門 7.3 ツリーのトレーニング 7.4 最高の分割を選ぶ 7.5 再帰的なツリー構築 |
colint-saito-0602.pdf | 斉藤 | |
| 7.6 決定木の表示 7.7 新しい観測を分類する 7.8 ツリーの刈り込み 7.9 欠落データへの対処 |
colint-mikami-0602.pdf | 三上 | ||
| 6月9日 | colint-eguchi-0609.pdf | |||
| 6月16日 | 7.10 数値による帰結への対処 7.11 住宅価格のモデリング 7.12 "Hotness"のモデル化 7.13 決定木を使うべき場面 |
colint-ito-0616.pdf | 伊藤 | |
| 8章 価格モデルの構築 8.1 サンプルデータセットの構築 8.2 K近傍法 8.3 重み付け近傍法 8.4 クロス評価 |
colint-misawa-0616.pdf | 三沢 | ||
| 6月23日 | 8.5 異質な変数 8.6 縮尺の最適化 8.7 不均一な分布 |
colint-eguchi-0623.pdf | 江口 | |
| 8.8 実データの利用 eBay API 8.9 K近傍法はどこで使うべきか |
colint-sa-0623.pdf | Sa | ||
| 6月30日 | 9章 高度な分類手法：カーネルメソッドとSVM 9.1 matchmakerデータセット 9.2 このデータセットの難点 9.3 基礎的な線形分類 |
colint-rin-0630.pdf | 林 | |
| 9.4 カテゴリーデータな特徴たち 9.5 データのスケーリング 9.6 カーネルメソッドを理解する |
斉藤 | |||
| 7月7日 | 9.7 サポートベクトルマシン 9.8 LIBSVMを使う 9.9 Facebookでのマッチ |
colint-mikami-0707.pdf | 三上 | |
| 10章 特徴を発見する 10.1 ニュースのコーパス 10.2 これまでのアプローチ |
colint-ito-0707.pdf | 伊藤 | ||
| 7月14日 | 10.3 非負値行列因子分解 10.4 結果を表示する |
三沢 | ||
| 10.5 株式市場のデータを使用する | colint-eguchi-0714.pdf | 江口 | ||
| 7月21日 | 11章 進化する知性 11.1 遺伝的プログラミングとは？ 11.2 ツリー構造のプログラム 11.3 最初の集団を作る |
colint-sa-0721.pdf | Sa | |
| 11.4 解決法をテストする 11.5 プログラムの突然変異 11.6 交叉（Crossover） 11.7 環境を作り上げる |
林 | |||
| 11.8 シンプルなゲーム 11.9 さらなる可能性 |
斉藤 | |||
| 12章 アルゴリズムのまとめ（省略） |