機械学習の基礎とテキストマイニングへの応用

本講義では、テキストを対象とした機械学習のいくつかの手法を取り上げ、テキストマイニングへの応用を解説します。 　特に、深層学習のテキスト処理への適用として、再帰型ニューラルネットワークと長・短期記憶 (LSTM) を取り上げます。また、機械学習の基本アルゴリズムのPython を用いた実装例を解説します。

1. 発展する人工知能の技術基盤
   1. AlphaGo のインパクト
   2. クラウドサービスによる機械学習の利用
   3. フレームワークの普及 (Caffe, Chainer, Tensorflow)
   4. 機械学習をどのように学ぶか
2. テキストマイニングと評判分析
   1. データマイニングのプロセス
   2. テキストマイニングの役割
   3. 事例 (コールセンターにおけるコンタクト履歴)
   4. 評判分析の枠組み
   5. 文書識別の例 (単純ベイズ法)
3. ニューラルネットワークの基礎
   1. 応用事例から見た発展の歴史
   2. 多層ネットワークのモデル
   3. 誤差逆伝播法によるパラメータ推定
   4. 制約ボルツマンマシン
   5. 音声認識における深層学習の利用例
4. 再帰型ニューラルネットワーク
   1. 再帰型ネットワークによる言語モデル
   2. 単語のベクトル表現 (Word2Vec)
   3. 長・短期記憶 (LSTM: Long Short-Term Memory)
   4. 確率的トピックモデルとの比較
5. Python による実装
   1. Python の基礎
   2. 機械学習の基本アルゴリズムの実装例
   3. テキスト処理への適用