Introduction and course guide はじめに
- コース紹介
- テキスト
- コンピュータビジョンの応用例
Introduction to probability 確率の入門
- Random variables 確率変数
- 確率変数
- Joint probability 同時確率
- 同時確率
- Marginalization 周辺化
- 周辺化
- Conditional probability 条件付き確率
- 条件付き分布
- Bayes' rule ベイズの定理
- ベイズの定理
- Independence 独立
- 独立
- Expectation 期待値
- 期待値
- Chapter 2 Summary まとめ
- section 2 worksheet
Common probability distribution 一般的な確率分布
- Probability distributions 確率分布
- Bernoulli and Beta distributions ベルヌーイ分布とベータ分布
- ベルヌーイ分布とベータ分布
- Categorical and Dirichlet distributions カテゴリ型分布とディリクレ分布
- カテゴリ分布とディリクレ分布
- Normal and Normal inverse Gamma distributions 正規分布と正規逆ガンマ分布
- 正規分布と正規逆ガンマ分布
- Multivariate normal and normal inverse Wishart distributions 多変数正規分布と逆ウィシャート分布
- 多変数正規分布と正規逆ウィシャート分布
- Conjugate Distributions 分布の共役性
- Conjugate and Bayes' rule 共役分布とベイズの定理
- 分布の共役性
- Chapter 3 summary まとめ
- section 3 worksheet
Fitting probability models 確率分布のパラメータ推定
- Fitting probability models 確率分布のパラメータ推定
- Maximum Likelihood 最尤推定
- 最尤推定
- Maximum a posteriori 事後確率最大推定
- MAP推定
- Bayesian Approach ベイズ推定
- ベイズ推定
- ML, MAP, Bayes
- ML, MAP, Bayes
- Worked example 1: 正規分布の推定
- 正規分布の推定
- Worked example 1: ML
- 正規分布の推定：最尤推定
- Worked example 1: MAP
- 正規分布の推定：MAP推定
- Worked example 1: Bayes
- 正規分布の推定：ベイズ推定
- Worked example 2: カテゴリ型分布の推定
- Worked example 2: ML
- カテゴリ型分布の推定：最尤推定
- Worked example 2: MAP
- カテゴリ型分布の推定：MAP推定
- Worked example 2: Bayes
- カテゴリ型分布の推定：Bayes推定
- Chapter 4 summary まとめ
- section 4 worksheet
Normal distribution 正規分布
- Normal distribution 正規分布
- Transformations of Normal 正規分布の変換
- 正規分布の変換
- Marginal and conditional of Normal 正規分布の周辺分布と条件付き分布
- 正規分布の周辺化・条件付き確率
- Self-conjugacy 自己共役性
- 自己共役
- Chapter 5 summary まとめ
Learning and inference in computer vision 識別モデル・生成モデルによる学習と推論
- discriminative / generative models 識別モデルと生成モデル
- 識別モデルと生成モデル
- regression with discriminative model 識別モデルによる線形回帰
- 識別モデルによる回帰
- regressin with generative model 生成モデルによる線形回帰
- 生成モデルによる回帰
- classification with discriminative model 識別モデルによる識別：ロジスティック回帰
- 識別モデルによる分類
- classification with generative model 生成モデルによる識別
- 生成モデルによる分類
- which model? どちらがよい？
- どちらがよい？
- applications 応用
- chapter 6 summary まとめ
- section 6 worksheet
Modeling complex densities
- Why not Gaussian? 正規分布は単純なモデル
- Three extensions 正規分布の3つの拡張
- Hidden variables and EM algorithm 潜在変数とEMアルゴリズム
- 潜在変数とEM
- Gaussian Mixture Model 混合正規分布
- 混合正規分布
- t-distribution t-分布
- t-分布
- factor analysis 因子分析
- 因子分析
- combining models モデルの組み合わせ
