1. 授業の概要とガイダンス
2. ベイズの定理
3. ベイズはどのようにして生まれたか？
4. ベイズはコンピュータ、人工知能の父である！！
5. ビリーフとベイズ
6. 尤度と最尤推定1
7. 尤度と最尤推定2
8. 尤度と最尤推定3
9. ベイズ推定と事前分布、階層ベイズ、因果推論1
10. ベイズ推定と事前分布、階層ベイズ、因果推論2
11. ベイズ推定と事前分布、階層ベイズ、因果推論3
12. オンデマンド授業(自宅にてHPに公開された資料で自習してください)
13. オンデマンド授業(自宅にてHPに公開された資料で自習してください)
14. 確率的グラフィカルモデル、ベイジアンネットワークと機械学習1
15. 確率的グラフィカルモデル、ベイジアンネットワークと機械学習2
16. テストと総括

• 授業の進め方
  対面で授業を行います．コロナの状況に応じてZOOMによる遠隔授業に変更になる場合もあります．Face to Face type.
• 出席は毎回取ります．
• 予備知識：確率、統計
• 成績評価方法：テスト
• 授業の不明点などは、kato[atmark]ai.lab.uec.ac.jpまでご連絡ください．

ベイズの定理：授業資料(6/17 22:52更新)

ベイズの定理はどのように誕生したのか？：授業資料(6/17 22:52更新)

ベイズはコンピュータ、人工知能の父である！！：授業資料(6/17 22:52更新)

ビリーフとベイズ：授業資料(6/17 22:52更新)

尤度と最尤推定：授業資料(6/17 22:53更新)

ベイズ推定：授業資料(6/30 10:12更新)

ベイジアンネットワークと他の機械学習モデルとの関係：授業資料

ベイジアンネットワーク分類器：授業資料

1. ガイダンス Guidance
2. ベイズはどのようにして生まれたか？  How was Bayes theory derived.
3. ベイズはコンピュータ、人工知能の父である！！  Bayes derived computers and artificial intelligence
4. アランチューリングとベイズ　Alan Turing and Bayes
5. ビリーフとベイズの定理  Belef and Bayes
6. ビリーフとベイズの定理の応用(1)  Applications of Belef and Bayes (1)
7. ビリーフとベイズの定理の応用(2)  Applications of Belef and Bayes (2)
8. 尤度推定と機械学習    Likelihood and Machine Learning
9. ベイズ推定と機械学習(1)   Bayes learning and machine learning (1)
10. ベイズ推定と機械学習(2)  Bayes learning and machine learning (1)
11. 確率的グラフィカルモデルとベイジアンネットワーク  Probabilistic Graphical model and Bayesian network
12. ベイジアンネットワークの推論  Inferencce in Bayesian network
13. ベイジアンネットワークと他の機械学習モデルとの関係 Bayesian network and the other machine learning methods
14. ベイズ分類器   Bayesian classifier
15. まとめとテスト   Conclusions and Test

• 授業の進め方
  対面で授業を行います．コロナの状況に応じてZOOMによる遠隔授業に変更になる場合もあります．Face to Face type.
• 出席は毎回取ります．
• 予備知識：確率、統計
• 成績評価方法：テスト
• 授業の不明点などは、aoki[atmark]ai.lab.uec.ac.jpまでご連絡ください．

ベイズの定理：授業資料

ベイズの定理はどのように誕生したのか？：授業資料

ベイズはコンピュータ、人工知能の父である：授業資料

確率の基礎の復習：授業資料

ベイズ推定：授業資料
ベイジアンネットワークと他の機械学習モデルとの関係：授業資料

1. Cb
2. 授業の進め方
   対面で授業を行います。コロナの状況に応じてZOOMによる遠隔授業に変更になる場合もあります。Face to Face type.
3. 授業内容
   ベイズ的アプローチの基礎と人工知能，機械学習への応用アルゴリズムを学ぶ。
   Learn the fundamental knowledge on Bayes approach and Artificial Intelligence.
   1. ガイダンス Guidance
   2. ベイズはどのようにして生まれたか？  How was Bayes theory derived.
   3. ベイズはコンピュータ、人工知能の父である！！  Bayes derived computers and artificial intelligence
4. アランチューリングとベイズ　Alan Turing and Bayes
5. ビリーフとベイズの定理  Belef and Bayes
6. ビリーフとベイズの定理の応用(1)  Applications of Belef and Bayes (1)
7. ビリーフとベイズの定理の応用(2)  Applications of Belef and Bayes (2)
8. 尤度推定と機械学習    Likelihood and Machine Learning
9. ベイズ推定と機械学習(1)   Bayes learning and machine learning (1)
10. ベイズ推定と機械学習(2)  Bayes learning and machine learning (1)
11. 確率的グラフィカルモデルとベイジアンネットワーク  Probabilistic Graphical model and Bayesian network
12. ベイジアンネットワークの推論  Inferencce in Bayesian network
13. ベイジアンネットワークと他の機械学習モデルとの関係 Bayesian network and the other machine learning methods
14. ベイズ分類機   Bayesian classifier
15. まとめとテスト   Conclusions and Test

• 出席は毎回取ります．
• 予備知識：確率、統計
• 成績評価方法：出席60点，レポート40点の計100点満点で評価

• 1.ガイダンス
• 2.ベイズはどのようにして生まれたか？
• 3. ベイズはコンピュータ、人工知能の父である！！
• 4. アランチューリングとベイズ
• 5.ビリーフとベイズの定理
• 6. ビリーフとベイズの定理(2)
• 7. 尤度推定と機械学習
• 8. ベイズ推定と機械学習(1)
• 9. ベイズ推定と機械学習(2)
• 10. ベイズ意思決定
• 11. 確率的グラフィカルモデルベイジアンネットワーク
• 12. ベイジアンネットワークの推論
• 13. ベイジアンネットワークと他の機械学習モデルとの関係
• 14. ベイズ分類器
• 15. まとめと評価

• 授業の進め方
  ZOOMを使った自宅からの遠隔授業を行います．
  https://uec-tokyo.zoom.us/j/7045441267?pwd=eGNiUjdTS1VRSnFGaUdwNUE2VS9UUT09

  ミーティングID: 704 544 1267
  パスワード: 3010978145
  外部からの侵入を防ぐため、UECクラウド（gl.cc.uec.ac.jp) (以下　設定の仕方)
  https://www.cc.uec.ac.jp/ug/ja/cloud_account/index.html
  でZOOMにログインしてください．
  （授業5分前からアクセス可能）

• 出席は毎回取ります．
• 予備知識：確率、統計
•  
• 成績評価方法：出席60点，レポート40点の計100点満点で評価
• 授業の不明点などは、sugahara[atmark]ai.lab.uec.ac.jpまでご連絡ください．
• 授業中に質問などがありましたら，チャットからTAの菅原聖太宛てにメッセージを送ってください．

• 1.ガイダンス
• 2.ベイズはどのようにして生まれたか？
• 3. ベイズはコンピュータ、人工知能の父である！！
• 4. アランチューリングとベイズ
• 5.ビリーフとベイズの定理
• 6. ビリーフとベイズの定理(2)
• 7. 尤度推定と機械学習
• 8. ベイズ推定と機械学習(1)
• 9. ベイズ推定と機械学習(2)
• 10. ベイズ意思決定
• 11. 確率的グラフィカルモデルベイジアンネットワーク
• 12. ベイジアンネットワークの推論
• 13. ベイジアンネットワークと他の機械学習モデルとの関係
• 14. ベイズ分類器
• 15. まとめと評価

• 授業の進め方
  ZOOMを使った自宅からの遠隔授業を行います．
  https://uec-tokyo.zoom.us/j/7045441267?pwd=eGNiUjdTS1VRSnFGaUdwNUE2VS9UUT09

  ミーティングID: 704 544 1267
  パスワード: 3010978145
  外部からの侵入を防ぐため、UECクラウド（gl.cc.uec.ac.jp) (以下　設定の仕方)
  https://www.cc.uec.ac.jp/ug/ja/cloud_account/index.html
  でZOOMにログインしてください．
  （授業5分前からアクセス可能）

• 出席は毎回取ります．授業に参加後、ZOOMのChatに学籍番号と名前を打ち込んでくださいZOOMの機能により各受講者の参加時刻と退出時刻が自動で得られるため，出席の明示は必要ありません．
• 予備知識：確率、統計
•  
• 成績評価方法：出席60点，レポート40点の計100点満点で評価
• 授業の不明点などは、sugahara[atmark]ai.lab.uec.ac.jpまでご連絡ください。
• テストの日程を8月10日から8月17日に変更致しました．
• 授業中に質問などがありましたら，チャットからTAの菅原聖太宛てにメッセージを送ってください．

• 授業で学んだことで面白ったこと，驚いたことや発見があればそれをレポートにまとめよ．
• 提出締め切り: 8月31日 17時
• A4 1枚以上
• 送り先: sugahara@ai.lab.uec.ac.jp

• 1.ガイダンス
• 2.ベイズはどのようにして生まれたか？
• 3. ベイズはコンピュータ、人工知能の父である！！
• 4. アランチューリングとベイズ
• 5.ビリーフとベイズの定理
• 6. ビリーフとベイズの定理(2)
• 7. 尤度推定と機械学習
• 8. ベイズ推定と機械学習(1)
• 9. ベイズ推定と機械学習(2)
• 10. ベイズ意思決定
• 11. 確率的グラフィカルモデルベイジアンネットワーク
• 12. ベイジアンネットワークの推論
• 13. ベイジアンネットワークと他の機械学習モデルとの関係
• 14. ベイズ分類器
• 15. まとめと評価

• 授業の進め方
  ZOOMを使った自宅からの遠隔授業を行います．
  https://uec-tokyo.zoom.us/j/7045441267?pwd=eGNiUjdTS1VRSnFGaUdwNUE2VS9UUT09

  ミーティングID: 704 544 1267
  パスワード: 3010978145
  外部からの侵入を防ぐため、UECクラウド（gl.cc.uec.ac.jp) (以下　設定の仕方)
  https://www.cc.uec.ac.jp/ug/ja/cloud_account/index.html
  でZOOMにログインしてください．
  （授業5分前からアクセス可能）

• 出席は毎回取ります．
• 予備知識：確率、統計
•  
• 成績評価方法：出席60点，レポート40点の計100点満点で評価
• 授業の不明点などは、sugahara[atmark]ai.lab.uec.ac.jpまでご連絡ください．
• 授業中に質問などがありましたら，チャットからTAの菅原聖太宛てにメッセージを送ってください．

• 1.ガイダンス
• 2.ベイズはどのようにして生まれたか？
• 3. ベイズはコンピュータ、人工知能の父である！！
• 4. アランチューリングとベイズ
• 5.ビリーフとベイズの定理
• 6. ビリーフとベイズの定理(2)
• 7. 尤度推定と機械学習
• 8. ベイズ推定と機械学習(1)
• 9. ベイズ推定と機械学習(2)
• 10. ベイズ意思決定
• 11. 確率的グラフィカルモデルベイジアンネットワーク
• 12. ベイジアンネットワークの推論
• 13. ベイジアンネットワークと他の機械学習モデルとの関係
• 14. ベイズ分類器
• 15. まとめと評価

• 授業の進め方
  ZOOMを使った自宅からの遠隔授業を行います．
  https://uec-tokyo.zoom.us/j/7045441267?pwd=eGNiUjdTS1VRSnFGaUdwNUE2VS9UUT09

  ミーティングID: 704 544 1267
  パスワード: 3010978145
  外部からの侵入を防ぐため、UECクラウド（gl.cc.uec.ac.jp) (以下　設定の仕方)
  https://www.cc.uec.ac.jp/ug/ja/cloud_account/index.html
  でZOOMにログインしてください．
  （授業5分前からアクセス可能）

• 出席は毎回取ります．授業に参加後、ZOOMのChatに学籍番号と名前を打ち込んでくださいZOOMの機能により各受講者の参加時刻と退出時刻が自動で得られるため，出席の明示は必要ありません．
• 予備知識：確率、統計
•  
• 成績評価方法：出席60点，レポート40点の計100点満点で評価
• 授業の不明点などは、sugahara[atmark]ai.lab.uec.ac.jpまでご連絡ください。
• テストの日程を8月10日から8月17日に変更致しました．
• 授業中に質問などがありましたら，チャットからTAの菅原聖太宛てにメッセージを送ってください．

• 授業で学んだことで面白ったこと，驚いたことや発見があればそれをレポートにまとめよ．
• 提出締め切り: 8月31日 17時
• A4 1枚以上
• 送り先: sugahara@ai.lab.uec.ac.jp

• 4月 8日 ガイダンス
• 4月15日 ベイズの定理とは？
• 4月22日 ベイズはどのようにして世に出たのか？
• 5月 6日 ベイズはコンピュータの父
• 5月13日 ベイズの躍進と人工知能の誕生
• 5月20日 ビリーフとベイズの定理
• 5月27日 尤度推定と機械学習
• 6月 3日 ベイズ推定と機械学習(1)
• 6月10日 ベイズ推定と機械学習(2)
• 6月17日 ベイズ意思決定
• 7月 8日 確率的グラフィカルモデルベイジアンネットワーク
• 7月22日 ベイジアンネットワークの推論
• 7月29,30日 ベイジアンネットワークと他の機械学習モデルとの関係
• 8月 5日 テスト(※場所：西5-109)

• 予備知識：確率、統計
•  
• 成績評価方法：出席60点，テスト40点の計100点満点で評価
• 授業の不明点などは、sugahara[atmark]ai.lab.uec.ac.jpまでご連絡ください。

• ベイジアンネットワークの概要と紹介
• 確率
• ビリーフとベイズ統計
• グラフ理論
• ベイジアンネットワークモデルの定義と性質
• 変数消去アルゴリズム
• ジョインツリーアルゴリズム
• 高速化の工夫
• ベイジアンネットワーク学習

• 予備知識：確率、統計
•  
• 演習・レポート：演習問題、数回の演習レポートを課します。レポートはeラーニングシステム Samuraiに提出し、提出されたレポートは受講者間で相互に評価（ピアアセスメント）していただきます。なお、本システムは電気通信大学内のネットワークからのみアクセス可能です。
•  
• 成績評価方法および評価基準：出席、演習問題、レポート、課題プログラムよって評価します。
• samuraiの不具合・不明点などは、natori[atmark]ai.is.uec.ac.jpまでご連絡ください。

• ベイジアンネットワークの概要と紹介
• 確率
• ビリーフとベイズ統計
• グラフ理論
• ベイジアンネットワークモデルの定義と性質
• 変数消去アルゴリズム
• ジョインツリーアルゴリズム
• 高速化の工夫
• ベイジアンネットワーク学習

• 予備知識：確率、統計
•  
• 演習・レポート：演習問題、数回の演習レポートを課します。レポートはeラーニングシステム Samuraiに提出し、提出されたレポートは受講者間で相互に評価（ピアアセスメント）していただきます。なお、本システムは電気通信大学内のネットワークからのみアクセス可能です。
•  
• 成績評価方法および評価基準：出席、演習問題、レポート、課題プログラムよって評価します。
• samuraiの不具合・不明点などは、natori@ai.is.uec.ac.jpまたはutsuhara@ai.is.uec.ac.jpまでご連絡ください。
• 第３回・第４回のレポート提出締め切りは共に6/22です。

• ベイジアンネットワークの概要と紹介
• 確率
• ビリーフとベイズ統計
• グラフ理論
• ベイジアンネットワークモデルの定義と性質
• 変数消去アルゴリズム
• ジョインツリーアルゴリズム
• 高速化の工夫
• ベイジアンネットワーク学習

• 予備知識：確率、統計
• 演習：授業で適時、演習問題を出します。
• 成績評価方法および評価基準：出席、演習問題、レポート、課題プログラムよって評価します。