数学的基礎からコンピュータビジョンを体系的に学ぼう！

Computer Vision: Models, Learning, and Inference を教科書として、数学的基礎からコンピュータビジョンについて学習します。

• 微分積分や線形代数、確率の基礎は勉強したので、それを実際に応用したい！
• コンピュータビジョンの基礎について体系的に学びたい！
• コンピュータサイエンスに関する英語文献を読む練習をしたい！

という方、ぜひご参加ください！

プレゼンターは MPS 代表の金子です。講義形式で進めますが、質問は随時受け付けます。気になったことは、どんどん質問いただければと思います。疑問は都度皆で共有して理解を深めていきましょう！「登壇したい！」という方も大歓迎です。進度は、参加者の皆さんの様子に合わせて調整します。

少し長期の企画にはなると思いますが、コンピュータビジョンに関する数学的な知識をじっくり体系的につけていきましょう！

本企画で得られるもの

• コンピュータビジョンに関する体系的な数学的基礎知識
• コンピュータサイエンスに関する英語文献読解の経験

必要な事前知識

下記に例として挙げてある微分積分、線形代数、確率の本を読むことができる知識を仮定しています。下記の本に書いてあることがスラスラ読めたり、問題をスラスラ解ける必要はないです。必要なことは適宜復習しますので、下記の本を読んで「あー、なるほど」と納得し計算できることを仮定しています。

知識	本
微分積分	やさしく学べる微分積分
線形代数	やさしく学べる線形代数
確率	すぐわかる確率・統計

内容

回	開催日時	内容
1	2019/06/11	教科書の Chapter 2、Chapter 3 を中心として確率の基礎知識について復習を行います。
2	2019/06/18	教科書の Chapter 4 を中心として最尤法、MAP、Bayes を用いたモデルのパラメータフィッティングについて復習を行います。
3	2019/06/25	教科書の Chapter 5 を通して多次元正規分布について復習を行います。
4	2019/07/02	教科書の Chapter 6 を通してこれから学ぶ Computer Vision における regression と classification モデルの概要について学習します。
5	2019/07/09	教科書の Chapter 7 を通して generative models をより深く学びます。今回は EM アルゴリズムの概要と Mixture of Gaussian モデルについて学びます。
6	2019/07/16	引き続き、教科書の Chapter 7 を学びます。Mixture of Gaussian モデルに EM アルゴリズムを適用し更新ルールを導出します。
7	2019/07/23	Mixture of Gaussian モデルに対する EM アルゴリズムの適用についての復習を行います。
8	2019/07/30	引き続き、教科書の Chapter 7 を学びます。t 分布のパラメータの EM アルゴリズムを用いた決定における E-Step と M-Step の形を導出します。
9	2019/08/20	引き続き、教科書の Chapter 7 を学びます。t 分布のパラメータを決定する EM アルゴリズムを完結します。また、Factor Analysis について学びます。
10	2019/09/03	引き続き、教科書の Chapter 7 を学びます。Factor Analysis について学びます。
11	2019/09/17	引き続き、教科書の Chapter 7 を学びます。Factor Analysis について完結します。
12	2019/10/01	教科書の Chapter 7 を完結させ、Chapter 8 Regression models へ入ります。
13	2019/12/12	最初にこれまでの復習を少し行い、教科書の Chapter 8 Regression models を学習します。
14	2019/12/17	教科書の Chapter 8 Regression models を学習します。Bayesian Linear Regression を中心に学びます。
15	2019/12/24	教科書の Chapter 8 Regression models を学習します。Non Linear Regression を中心に学びます。

持ち物

• ノートや iPad Pro など板書を書き写せるもの
• 教科書

教科書

Computer Vision: Models, Learning, and Inference

参考図書

INTRODUCTION TO PROBABILITY (SECOND EDITION)

確率や確率過程の基礎について非常によくまとまった教科書です。英語もとても読みやすく、入門に最適です。

これなら分かる最適化数学―基礎原理から計算手法まで

解析学、線形代数、確率をそれぞれ学んだ後に、それらを組み合わせた応用を学ぶのに最適な本です。

◆ご同意いただきたい点とお願い

作業風景はビデオで撮影し、オンライン上で閲覧できるようにする可能性があります。
動画に参加者のお顔などが写る可能性があります。
また、写真にとって、MPSのホームページなどに載せる場合があります。
動画や写真に顔が写ることがNGの方は、必ずイベント開始前に、MPSメンバーへお申し出ください。
お申し出がない場合はとくに問題ないと判断いたします。ご協力お願い致します。

ビルへの入館にあたり本人確認が必要となる場合がございます。本人確認ができるものをお持ちください。

ビル共用部分での飲食は禁止されております。当日お伝えする場所以外での飲食はご遠慮ください。

他人が不快な思いをするような行為をする方や、ものを雑に扱う方など、主催者が不適切であると判断した場合には、速やかにご退室いただきます。

利用する機器やソフトウェア等は参加する皆様ご自身の同意のもとに利用するものとし、利用によりいかなる損害が発生したとしても、主催者は一切の責任を追わないことに同意したものとします。

MPSについて

私達Morning Project Samurai (MPS)は、
「リーダーシップ、メンターシップ、プログラミングやものづくりのスキルを、開発プロジェクトを通して実践的に身につける」「プロジェクトの達成を通じて、社会にアピールできる実績を作る、キャリアにつなげる」「プロジェクトの運営を通じて、信頼できる新しい仲間を作る」といった目的を掲げて東京、横浜などで2014年から活動している団体です。

詳しくは下記 Web サイトを御覧ください！
Morning Project Samurai

留意事項

・ドタキャンは避けてください。体調不良などやむを得ず前日または当日キャンセルの場合は 問い合わせからのご一報に協力くださいませ。

そのほか注意とお願い

・ほかの参加者や運営に対する過度なリクルーティングや営業は固くお断りします。
・万が一、会の進行の妨げになると運営が判断する方は退出いただく場合がありますのでご了承ください。マナーある、楽しい時間を皆で作れればと思います。