聖学院大学出版会より新刊発売
ISBN 978-4-909022-96-7
|
正誤表（構成中）
| 名前 | 目的 | |
| 序章 | トーマス・ベイズ師のベイジアン・ルネッサンスとＡＩ | 読んでおこう（ネットの特別章） |
| ベイズ統計学とは | ベイズ統計学の大きな特色解説 | |
| ベイズ原論文(英文） | 1700年代の英語だけでも見ましょう | |
| 1 | ベイズ統計学事始め | ほとんど数学は不要です |
| チョコと本命(構成中) | これがＡＩ入門のほほえましい例 | |
| つぼのモデルとベイズ更新 | この方がわかりやすいという人も | |
| 2 | ベイズの定理・シンプル応用編 | いよいよ応用へＧＯ！ |
| ベイズの定理とスパム・フィルタ | スパム・フィルタは最初のＡＩ | |
| 有病正診（TP)率のグラフ(構成中) | 検査陽性だけでは決定できません | |
| 3 | ベイズ判別*によるパターン認識 | 文字・数字・顔認識などの原点 |
| 多変量解析と2次元正規分布(構成中) | 多次元なら多変量正規分布を用います | |
| アイリス・データと事後確率計算 | 最大事後確率が意思決定です | |
| アイリスｃｓｖ | アイリス・データはよく出ます | |
| サポート・ベクター・マシン(構成中) | これは機械学習です | |
| イタリアワイン成分データ | ワイン成分はふつうは企業秘密 | |
| 同成分相関係数 | 参考に挙げておきます | |
| 4 | ベイジアン・ネットワークの原理 | ベイズの定理の直接応用のAI化 |
| 脳腫瘍のベイズ診断 | EXCELで計算できる | |
| 新生児低体重データ(R用〉 | Ｒが用意したベイジアンネットの例 | |
| 同因果network | 完成した因果図 | |
| 5 | 二項分布・ポアソン分布・正規分布のベイズ統計学 | ベイズの定理によく出る3分布 |
| 二項分布の尤度 | 事前分布はベータ分布 | |
| ポアソン分布の尤度 | 事前分布はガンマ分布 | |
| 正規分布の尤度 | 事前分布は正規分布 | |
| 6 | 階層ベイズモデルとMCMC | いろいろな応用のタイプがある |
| 7 | バイオインフォマティックスとベイズ統計学 | 先端の「お話」だけでなく実際に |
| ヒトゲノム性染色体（ncbi) | 誰でもネットで見られる | |
| コドンのアミノ酸対応 | 解読のコード・ブック（暗号表） | |
| ウサギヘモグロビンのmRNA | 本当は3次元構造である | |
| 8 | 動く対象とカルマン・フィルタ | これはもう不可欠（Bayesの応用） |
| ドリフトへの追随 | 順当で特にいうことなし | |
| random walkへの追随 | みごとに追随 | |
| 9 | ニューラル・ネットワークの進化 | 機械学習、深層学習で働いています |
| シグモイド関数例I | ニューロンunitの活性化関数(Bayes) | |
| シグモイド関数例II | これもシグモイド型 | |
| ネットワーク作成例(EXCEL) | parameterは多数の矢印に（TensorFlow) | |
| MNIST手書き数字データ | これは凄い（縮小して登載） | |
| 運動物体の検出 | 自動運転の心臓部 | |
| 顔認識 | （誰でも作れるようにします） | |
| 要約案内(構成中) | （勉強サイトにします） | |
| パターン認識(構成中) | こういうパターン認識もあります | |
| 10 | The singularity is nearの予定された世界 | なかなかここまでの解説はありません |
| ムーアの法則の実例 | これは価格で技術進歩を測る | |
| 数学的特異点 | シンギュラリティーの元の意味 | |
| 11 | 確率とAIとシンギュラリティ | 総まとめとトピック2例 |
| 4桁素数と素数積 | 数学ファンに（ATMが安全なわけ） | |
ベイズ統計学
統計分析サイト
ポータルサイト
関連する基礎書