言語処理のための機械学習入門
| 日時 | 内容 | スライドのファイル | 補足資料など | 発表者 |
| 4月18日 | 1. 必要な数学的知識 1.1 準備と本書における約束事 1.2 最適化問題 |
ml4nlp-kouno-0418.pdf | 河野 | |
| 1.3 確率 | ml4nlp-nagata-0418.pdf | 永田 | ||
| 1.4 連続確率変数 | ml4nlp-shinnou-0418.pdf | 新納 | ||
| 4月25日 | 1.5 パラメータ推定法 | ml4nlp-kouno-0425.pdf | 河野 | |
| 1.6 情報理論 | ml4nlp-nagata-0425.pdf | 永田 | ||
| 5月13日 | 2. 文書および単語の数学的表現 2.1 タイプ、トークン 2.2 n グラム 2.3 文書、文のベクトル表現 |
ml4nlp-shinnou-0513.pdf | 新納 | |
| 2.4 文書に対する前処理とデータスパースネス問題 2.5 単語のベクトル表現 2.6 文書や単語の確率分布による表現 |
ml4nlp-kouno-0513.pdf | 河野 | ||
| 5月20日 | 3. クラスタリング 3.1 準備 3.2 凝集型クラスタリング 3.3 k-平均法 |
ml4nlp-nagata-0520.pdf | 永田 | |
| 3.4 混合正規分布によるクラスタリング 3.5 EM アルゴリズム 3.6 クラスタリングにおける問題点や注意点 |
ml4nlp-shinnou-0520.pdf | 新納 | ||
| 5月27日 | 4. 分類 4.1 準備 4.2 ナイーブベイズ分類器 4.3 サポートベクトルマシン |
ml4nlp-kouno-0527.pdf | 河野 | |
| 4.4 カーネル法 4.5 対数線形モデル 4.6 素性選択 |
ml4nlp-nagata-0527.pdf | 課題 | 永田 | |
| 6月3日 | 5. 系列ラベリング 5.1 準備 5.2 隠れマルコフモデル 5.3 通常の分類器の逐次適用 |
ml4nlp-shinnou-0603.pdf | 新納 | |
| 5.4 条件付確率場 5.5 チャンキングへの適用と仕方 |
ml4nlp-shinnou-0603-2.pdf | 新納 | ||
| 6月17日 | 6. 実験の仕方など 6.1 プログラムとデータの入手 6.2 分類問題の実験と仕方 |
ml4nlp-kouno-0617.pdf | 河野 | |
| 6月24日 | 6.3 評価指標 6.4 検定 |
永田 |