t-SNE・UMAPと次元削減

2021年9月開講分、お申込み受付中です。こちらからお申込みいただけます。

講座の概要

変数が多いデータを理解することは容易ではありません。しかし、実世界のデータセットにはたくさんの変数が含まれています。かつてからベンチマークデータセットとして用いられてきたボストンの住宅価格のデータセットは14個の変数、乳がんのデータセットは31個の変数からなります。

私たちはこのような問題を「次元削減」で解決しようとしてきました。主成分分析（Principal Component Analysis）やその拡張である自己符号化器（AutoEncoder）はその代表的な手法です。

しかし近年、これとは異なるアプローチとして確率的近傍埋め込み（Stochastic Neighbor Embedding, 代表例はt-SNE）やUMAP（Uniform Manifold Approximation and Projection）が提案されました。

この講座では、
1. 確率的近傍埋め込みが考え出された経緯の説明
2. t-SNEやUMAPの仕組みの説明
を中心に行います。また、パラメトリックt-SNEやパラメトリックUMAP、densMAPなどについても、何ができるようになったのかを焦点に解説します。

受講にあたって

受講する上で必要な知識

• 機械学習の基本的な知識（特に主成分分析などの次元削減の考え方）
• 高校数学で習う確率と微分

目標

• t-SNEやUMAPに現れるハイパーパラメータの意味を理解すること

カリキュラム

1日目 : t-SNEやUMAPの基本的な話題
前半ではt-SNEやUMAPを実際にPython言語を用いて動かしてみましょう。これらの手法に不慣れな人もいると思いますが、MNISTとよばれる画像データセットを用いてデモをすることでイメージを掴むことができると思います。後半では、t-SNE・UMAPの仕組みについて説明します。ここは内容の多い部分なので、2日目の前半に説明がまたがる予定です。

2日目 : t-SNEやUMAPの発展的な話題
前半では1日目に続いて、t-SNEやUMAPの仕組みの解説を行います。後半では、パラメトリックt-SNEやパラメトリックUMAPとはなにか、densMAPとはなにかについて概要を説明し、Python言語によるデモを与えます。

受講詳細

受講のお申し込みは、お申込フォームからお願いします。

名称	t-SNE・UMAPと次元削減
講師	内場崇之
日程	計2回の集中講義になります。 第1回 9月4日(土) 10:00-15:00 第2回 9月5日(日) 10:00-15:00
場所	Zoomによるオンライン講座となります。
教科書	講師オリジナルテキスト ※ テキスト代は受講料に含まれています。
受講料	全2回34,500円 クレジットカード支払いはこちらのページから。
持ち物	・筆記用具

お申込み

お申し込みは、以下のお申込フォームからお願いします。

※お手数ですが、講座名について『t-SNE・UMAPと次元削減』を選択のうえ送信をお願いします。