【終了】第6回ステアラボ人工知能セミナー 佐藤一誠先生「ベイズ的最適化(Bayesian Optimization)の入門と応用」 The 6th STAIR Lab AI Seminar: Dr. Issei Sato, "Introduction and Application of Bayesian Optimization"

千葉工業大学 人工知能・ソフトウェア技術研究センター（ステアラボ）では、機械学習、自然言語処理、画像処理等の人工知能分野の研究者をお招きし、最先端の研究について講演していただく「ステアラボ人工知能セミナー」を定期的に開催しています。

第6回目の今回は、機械学習の国際会議で活躍されている東京大学の佐藤一誠先生をお招きし、「ベイズ的最適化(Bayesian Optimization)の入門と応用」というタイトルで講演をしていただきました。

【日時】

2016年10月31日（月） 16:00 – 17:30

【場所】

千葉工業大学東京スカイツリータウン（R）キャンパス
東京スカイツリータウン(R) ソラマチ8F
アクセス: http://www.it-chiba.ac.jp/skytree/#access

【講演者】

東京大学　講師　佐藤一誠先生
ホームページ: http://www.ms.k.u-tokyo.ac.jp/sato/index-jp.html

【講演タイトル】

ベイズ的最適化(Bayesian Optimization)の入門と応用

【講演概要】

ベイズ的最適化とは、入力から出力を得るコストが高いブラックボックス関 数を効率的に最適化する手法の総称である。高コストなブラック ボックス 関 数に対して、少ない入力のステップでより最適化な出力を得ることを目 的と する。例えば化学実験において、ある実験設定を入力と して、得られ た化合 物の良し悪しが数値的に計測可能な場合に、より良い実験設定を探 索する問 題は、ベイズ的最適化の１つの応用例となる。 近年、機械学習アルゴリズムの複雑化にともない、機械学習アルゴリズム の実験設定も複雑化しており、ベイズ的最適化によって機械学習の 実験を 効 率化する研究が注目を集めている。例えば、いくつかのアルゴリズムを 複数 パイプライン化して使用する場合、個々のアルゴリズム毎 にモデル選 択方法 やハイパーパラメータ設定をするのではなく、全体の性能を考慮し た実験設 定の最適化が必要になる。このような状況は、実験設定と最終的 に欲しい結 果との間の関係はブラックボックスになっており、ベイズ的最 適化の応用例 となる。本発表では、ベイズ的最適化の 入門及び応用についてを説 明する。