専門的な数式に取り組むための数学の背景知識をマスターしよう
このレクチャーでは，コンピュータビジョンやパターン認識，画像処理などで使われる数式や考え方，数学的手法を学びます．基礎的な連立方程式の解き方とその解釈，微分と最適化，回帰とスパースモデリング，制約付き最適化問題と凸最適化，識別などの基本的な考え方を，数式を通して理解し，いくつかの問題についてはPythonコードを使って理解を深めます．特に連立方程式Ax=bというよく見かける数式を題材に，顔画像の近似問題としていろいろな手法が定式化できること，また解き方があることを学びます．
集合，行列，ベクトルなどの線形代数の基礎
連立方程式の解釈と一般化逆行列による解法
微分の基礎と勾配ベクトル，ヘッセ行列，ヤコビ行列などの行列
10 Lectures
40 Lectures
43 Lectures
37 Lectures
29 Lectures
11 Lectures
18 Lectures
32 Lectures
コンピュータビジョン，画像認識，パターン認識，動画像処理，医用画像処理などを専門とする．電子情報通信学会和文誌D編集委員，PRMU委員，MI委員．情報処理学会CVIM委員，GCAD委員など歴任．2001年新潟大学助手，2005年広島大学准教授．2020年名古屋工業大学教授．翻訳書に「コンピュータビジョン ―アルゴリズムと応用―」「統計的学習の基礎」「スパースモデリング」（共立出版）「Pythonで体験するベイズ推論」（森北出版）．電子情報通信学会シニア会員．情報処理学会，IEEE，IEEE Computer Society等会員．
驚くほど音声が小さすぎます。内容はとても良いだけに残念です。
声が小さくて聞き取り難いです。
数式がたくさんでてきますが、この講義を受けてからBishop本(パターン認識と機械学習)を読解するための基礎力がついたと実感できました！ 一般化逆行列の解釈の説明など、Boshop本で省略されている前提知識を補うことができて大変満足です！研究・教育の本業で多忙にも関わらずこのような一般向けの教育コンテンツを無償公開いただけるのことに心より感謝いたします。
私にとっては非常に難しかったが、いろいろ面白かった（やっぱり数学のスキル向上は必要だし、SVMのトリックとラグランジュ法との関係は面白かった。）。pythonのコードも参考にしたいと思います
いきなり定義から始まったので、何の勉強か難しい点があると思った。ただし、定義の必要性について、しっかり説明していたと思う。
数学的背景がきちんと説明されており、非常に参考になりました。
基礎の基礎から説明があり、背景を知りたいという要請にマッチしている
グラフを使って数式の意味を直感的に教えてもらえます。
しかしスライドに誤記がちょこちょこあり、初見では混乱することがあります。
わかりやすい説明と思います
Your email address will not be published. Required fields are marked *
北島雄吾
数式の基礎が目から鱗でした。