ベイズ的構造学習の基礎
ベイズ的構造学習の基礎：
ガウシアングラフィカルモデルの方法論と実践
学習ポイント
グラフ構造の推定と条件付き独立性の理論的背景を理解する
ガウシアングラフィカルモデル（GGM）の基本構造と推定方法を学ぶ
graphical lasso やそのベイズ的拡張手法（Bayesian graphical lasso）について理解する
実データを用いたRパッケージでの実装・応用方法を習得する
詳細概要
本セミナーでは、ベイズ的構造学習とガウシアングラフィカルモデル（GGM）に基づく多変量統計モデリングのアプローチについて、理論と実践の両面から体系的に学びます。
前半ではまず、グラフ構造に基づく変数間の条件付き独立性の概念と、精度行列（逆共分散行列）を通じた構造推定の基本的な考え方を解説します。そのうえで、GGMの理論的枠組みと、モデルにおける sparsity（スパース性）を実現するための方法論を整理します。
中盤では、頻度論的アプローチである graphical lasso の手法を紹介し、Bayesian graphical lasso をはじめとするベイズ的構造学習手法について、その理論的背景とモデリング上の利点を丁寧に解説し、頻度論的手法との比較を通じてその意義を明確にします。
後半では、ベイズ的変数選択の考え方を踏まえつつ、実際に使えるRパッケージによる実装例を多数取り上げ、構造推定のプロセスを再現可能な形で体験できる内容とします。理論の理解と応用の橋渡しを行うことで、GGMを用いた統計モデリングの実務応用を見据えた知識を習得します。
対象者
構造推定やネットワーク分析に関心のある研究者・大学院生
多変量解析やグラフィカルモデルを扱う統計家・データサイエンティスト
ベイズ的アプローチを用いた変数選択・モデリングに関心のある実務者
Rによる統計モデル実装や応用を深めたいエンジニア・解析担当者
講師プロフィール
鬼塚 貴広（オニヅカ タカヒロ）
取得学位：博士（理学）
2024/10 ~ 千葉大学 大学院社会科学研究院 講師 (経済学コース)
領収書発行
領収書を希望の方は、下記よりお問い合わせください。なお、学割利用の方への領収書発行はいたしかねますので、予めご了承ください。https://seminar.no-spare.com/receipt
注意事項
本セミナーはZoom Webinarsを用いて開催いたします。
お申し込み後、弊社より本セミナーへのZoom参加用URLを開催当日までに送付いたします。
開催時間になりましたら、送付するURLよりご参加ください。
講義終了後からの受講申込や、講義途中からの申込およびライブ受講の欠席による返金は致しかねますので、予めご了承ください。
本セミナーにお申し込みいただいた方には、本セミナーのアーカイブ動画 講義資料 演習資料（演習のあるセミナーのみ）の3点を配布いたします。
お申し込み後、諸事情によりリアルタイムでのご参加が難しくなってしまった方にも、上記3点の資料を配布いたします。
アーカイブ配信期間は、セミナー終了より1ヶ月間です。
万が一、開催時間になっても事前案内メール（Zoomの参加URLや講義資料など）が届かない場合は、迷惑メールフォルダやゴミ箱に自動的に振り分けられている場合がございます。一度ご確認いただきますようお願い申し上げます。
参加URLはメールにてご案内いたします。no-spare.comドメインより受け取ることができるように設定をお願い申し上げます。
お問い合わせの際は、弊社コンタクトフォームよりお願い申し上げます。
禁止事項
録音や録画撮影などはご遠慮ください。
配布した一切の資料 / 動画を無断で公開、転載することは固く禁じます。
免責事項
本セミナーの内容は、事前の告知なく変更を行う場合があります。
主催者および講演者の諸般の事情や、天災地変その他の不可抗力の事態により、本セミナーの一部あるいは全部を中止させていただく場合があります。
弊社ドメインをブロックしていたことによりメールが受け取れなかったことによる参加の遅れや欠席などの責任は負いかねますので、ご了承ください。
上記が発生する場合は、当社から受講者に対して、本ページやSNS、電子メールなどで事前にお知らせいたします。ただし、事由によっては事前のお知らせがないことを予めご了承ください。