機械学習・ディープラーニングの数学／技術の概要を理解できる厳選「無料動画」
今や無料の動画だけでも、AI・機械学習・ディープラーニングは手軽に楽しく学べる。「機械学習／ディープラーニングに必要な数学」「機械学習／ディープラーニングの概要」「ディープラーニングの技術理解」の観点で、初心者にお勧めの無料動画を紹介する。 連載目次 「そろそろAI・機械学習・ディープラーニングを学びたいと思っているが、きっかけがつかめない……」という人は少なくないのではないだろうか。今では無料の動画だけで、手軽で楽しく学べるようになってきている。 「でも動画を見るにも時間が……」という人もいるだろう。そこで本稿では、できるだけ短時間の日本語の動画で、できるだけ効率的に堅苦しくなく学べる動画を、筆者が考える「学ぶべき順」で並べてみた。 念のため断っておくが、今回の動画選択には、えこひいきは一切ない。人脈による友達メディア推しもない。「筆者がこのテーマで学ぶならこれがベストだ」と本心で思って
機械学習で使う数学入門(社内勉強会) | DevelopersIO
社内勉強会で 機械学習で使う数学入門 の話をしました。 話した内容をブログにします。 目次 AI/ML/DL 人工知能(AI) 機械学習(ML) 深層学習(DL) 機械学習(モデル) MLの問題例 どう機械学習の問題を解くか 機械学習(目的関数) どのようにモデルの良し悪しを測るか 目的関数 目的関数の具体例1 目的関数の具体例2 微分 そもそも微分とは 微分でできること 勾配降下法 微分 まとめ 線形代数 線形代数とは 線形代数でできること 線形代数 まとめ 確率・統計 確率変数・確率分布 条件付き確率 ベイズの定理 混同行列(Confusion Martix) 確率・統計 まとめ 数学をどれくらい学ぶか とりあえず読もう 数式 微分 線形代数 確率・統計 自分の数学の勉強方法 Chainerチュートリアル Project Euler(プロジェクトオイラー) おわりに 参考 AI/ML/
AI・機械学習の数学入門 ― 中学・高校数学のキホンから学べる
機械学習の数学は難しい!? そう思っている人はこの連載から学んでみよう。サブタイトルは「― 中学／高校数学のキホンから学べる」。本連載では、小学校で習う「四則演算（足し算／引き算／掛け算／割り算）」を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。 第1回 AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！（2020/03/02） 機械学習は、人間の日常とそう変わらない 機械学習で使われる数学は結局のところ四則演算だけ！ 四則演算のルールをざっとおさらい ・目標 ・解説 - ルール1 同じ数を何回か足す計算は、掛け算で表せる - ルール2 同じ数を何回か掛ける計算は、べき乗で表せる - ルール3 計算には優先順位があり、かっこで囲んだ計算が優先される ・コラム 計算の順序を工夫すると暗算が簡単になる ・練習問題 距離を求める ～ 機械学習で使われる数学（1）
Pythonで機械学習をするために必要な数学知識と勉強法 | フリーエンジニアのためのお役立ちコラム
機械学習とはどのようなものか 最近ではプログラミング言語としてPythonが注目されるようになり、機械学習、AI（人工知能）という言葉がよく聞かれるようになりましたが、これらの言葉を聞いて、皆さんはどのようなイメージを思い浮かべるでしょうか。 人それぞれ想像するものは違うでしょうが、一般的には「言葉を自動で翻訳してくれる」「画像を自動で識別してくれる」といったイメージをする方が多いのではないでしょうか。また一方で、「人間の仕事を奪ってしまう」といった悪いイメージを持つ方もいらっしゃるかと思います。こうした様々なイメージから、「機械学習やAI（人工知能）といったテクノロジーは、人間と同じように物事を理解している」と誤解されがちです。 しかし、機械学習の原理・理論をある程度していれば、これらの理解は間違いであることに容易に気づくことができます。実は機械学習やAI（人工知能）は、人間の言葉を理解
なるほどそうか、「機械学習モデル」を高1数学で理解する
機械学習をマスターする上でカギとなる、「損失関数」。機械学習モデルにおいて、予測値と正解値（正解データ）がどの程度近いかを示す指標となる関数です。 そのイメージをより具体的に持つため、簡単な例題をここで扱ってみましょう。解を導き出すのに少し時間がかかりますが、「偏微分」などの高度な数学は全く使いません。 2次関数など高校1年生レベルの数学をおさらいしながら解説していきます。一通り読めば、「数学を使って機械学習モデルを解く」というイメージがつかめるので、ぜひ解を導くところまで読み進めてください。 題材として「単回帰」と呼ばれる、1つの実数値の入力（x）から1つの実数値（y）を予測するモデルを取りあげます。具体的な処理内容としては、成年男子の身長x（cm）を入力値に、体重y（kg）を出力値とするようなモデルを考えることにします。モデルの内部構造は「線形回帰」と呼ばれるもので考えます。 線形回帰
機械学習に必要な数学のロードマップと各単元を基礎から解説した記事まとめ
機械学習の理解と数学の必要性・ロードマップ このことはすでに色々な方が議論されていますが、近年では豊富に用意されたライブラリを用いることによって、数学の知識がそれほどなくとも”ある程度”のことはできるようになりつつあります。 逆に本格的なレベルに踏み込むならば、非常に高度な知識が必要とされるでしょう。 本記事はそのあいだに位置し、数式の羅列された本が読みづらい人を対象に、その都度調べながらでも読み進めることができる”数学の基礎体力”をつけることを目的にして作成しています。 機械学習・データサイエンスに必要な数字ロードマップ 以下のロードマップは、高校1年のレベルで学ぶ分野から”機械学習エンジニア”や”データサイエンティスト(アナリスト/エンジニア)”に必要な知識・スキルに至るまでの道のりをザックリまとめたものです。 ここに書かれていない分野でも大切な物は多数あります。 が、(すべてを書き出
機械学習の中身を理解する - Speaker Deck
2018年12月5日 リクルートスタッフィングのイベントでの資料です。 「機械学習のエッセンス」の解説がメインになっています。
論文を読む能力 - なーんだ、ただの水たまりじゃないか
去年の4月くらいから、論文を読む事が出来るようになった、という気がしている。 もう一年以上前の話なんだが。なんとなくその事をブログに書いてなかったな、と思ったので、ここに書いておく。 論文を読む、というのは、みんなやっている、と主張はするものだ。 ちゃんと理解できているかは怪しいものだが、 一方でその区別もそんなにはっきりとはしていないので、 誰が論文は読めて誰が読めてないのかもよく分からない。 論文の分野にもよるからますます一概には言えない。 ただ、機械学習の仕事では論文を読むのは重要な日常業務の一つで、 この能力が明らかに不足している人というのはかなり居る。 明確な境界を決めるのは無理だけれど、明らかに足りてない場合は明白に分かるし、皆が言う程はこの能力は簡単な物では無い。 実際、自分も2015年ころには、この論文を読む能力が低くて困っていた。 2017年の4月頃には読めるようになった
結局、機械学習に必要な数学ってなに？
前置き# 記事がはてぶ炎上して恥ずかしい思いをしたので、結構書き直しました。 この記事よりも良質な記事を参考記事に列挙したので、このページをブックマーク集だとして、他のページを参照していただければと思います。 はじめに# 機械学習を勉強するにあたって、 ベースとなる数学を勉強したいというモチベーションが高まってきた。なぜか？それは、今まで数学的な知識なしに勉強を進めていたのたけれども、論文が読めなかったり、少し数式で込み入ってくると、とたんにわけがわからなくなったからだ。 しかし、一番のモチベーションは、やっぱり機械学習を勉強するものとしての登竜門、PRML(パターン認識と機械学習)を読みたいというものがある。 参考記事# そこで、機械学習のために必要な数学を調べてみたのだが・・・どのサイトをみてもこれはというものがみつからないのだ。 2017年現在で、有益な記事をできるかぎり集めてみた。
機械学習をやる上で必要な数学とは、どの分野のどのレベルの話なのか（数学が大の苦手な人間バージョン） - 渋谷駅前で働くデータサイエンティストのブログ
しばらく前にこんな記事が出ていたのをお見かけしました。 明らかにこれは僕が某所（笑）で適当に放言したことがきっかけで巻き起こった議論の一旦なのではないかと思うのですが、個人的にはこちらの@yohei_kikutaさんの仰る通りで大体良いのではないかと考えております。 なのですが、言い出しっぺらしき身としてはもうちょっと何か具体的な話を書いた方が良いのかな？とも思いましたので、常々公言しているように数学が大の苦手な身ながらどの分野のどのレベルの数学が機械学習をやっていく上で必要なのかという点について戯言だらけの駄文を書いてみることにします。 深層学習 (機械学習プロフェッショナルシリーズ) 作者: 岡谷貴之出版社/メーカー: 講談社発売日: 2015/04/08メディア: 単行本（ソフトカバー）この商品を含むブログ (13件) を見るちなみに、以下に並べる戯言は深層学習青本から得られた知識を
「やさしく学ぶ 機械学習を理解するための数学のきほん」を執筆しました · けんごのお屋敷
私が執筆した書籍 やさしく学ぶ 機械学習を理解するための数学のきほん がマイナビ出版から Amazon で 2017/9/20 より発売されます。Amazon 上では既に予約可能になっていますので、興味のある方は是非とも手に取ってみてください。 本書は、以前よりこのブログ内で公開していた「やる夫で学ぶ機械学習シリーズ」というシリーズ物の記事をベースとして、加筆・修正を加えたものになります。ブログの記事がベースになってはいますが、追加で書いた分の方が多く、お金を出して買ってもらえるクオリティにするために、より丁寧な説明を心がけて書きました。元記事は「やる夫」と「やらない夫」というキャラクターを登場人物として、機械学習の基礎を面白おかしく丁寧に解説していくものでしたが、書籍化するに当たって「やる夫」と「やらない夫」をそのまま使うわけにもいかなかったので、プログラマの「アヤノ」とその友達で機械学
機械学習に必要な高校数学やり直しアドベントカレンダーのカレンダー | Advent Calendar 2016 - Qiita
今年、機械学習の本を少なくとも一度は手にした人は多いのではないでしょうか。 数ページめくっていると、数式のオンパレードで、「うっ」てなって、静かに本を閉じてから数ヶ月。 すでに本棚の肥やしになっていたりしませんか？ それは私です。これはイカンと思って 機械学習の本を理解するための高校数学のおさらいをしようよ！で、作りました。 誰が書くの？ すでに、おさらいが終わった人、 これを機会におさらいを始めてみようと思った人、 おさらいする必要もなく理解している人、 一緒にこのアドベントカレンダーを作りませんか？ 何を書いたらいいの？ 得意な分野の説明をわかりやすく説明、三角関数とか行列とか統計とか・・・ 自分の勉強法の紹介 オススメの書籍やオススメ記事やオススメ勉強法の紹介 などなど 来年はもっと理解出来た状態で、機械学習と向き合う年にしましょう！
文系エンジニアが機械学習に入門するために小学校の算数から高校数学までを一気に復習してみました。 - Qiita
※この記事の1年後に文系エンジニアがCourseraの機械学習コースを1ヶ月で修了したので振り返ってみました。という記事もアップしました。 文系エンジニアが機械学習に入門しようと思うと、どうしても「数学の壁」にぶつかります。 一般的に、機械学習を理解するためには、大学レベルの「微分積分」「線形代数」「確率統計」の知識が必須とされていますが、私のような典型的文系エンジニアの場合、それを学習するための基本的知識自体が圧倒的に不足しているため、まずは高校までの数学を一からやり直してみました。 学習前の私の数学スペック 学生時代の数学の学習歴は高校2年生の2学期位まで。 大学で経済数学の授業があった気がするがほとんど出席していない。 仕事で使った数学知識は三角関数程度。(画像処理ソフトを開発した際に使用) 学習に要した時間 小学校の算数 5時間 中学数学 6時間 数I/数A 12時間 数II/数B
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7【MPS 横浜 第7回】
さいとうさんによる第1回からのまとめ かんたんマークダウンを用いて、さいとうさんが第1回からの まとめ を作成してくださっています。是非ご覧ください！ HTMLバージョン PDFバージョン さいとうさん、ありがとうございます！ SNS 参加者がたくさんいらっしゃるので、ハンズオン中の個々の挙手での質問はすべてその場でお答えができないことなども想定されます。以下SNSご活用ください。 FB Group 参加申請を出していただければ、随時承認します。このグループ内で、自己紹介ですとか、ハンズオンで分からなかったところの質問や感想を書いていただいたりとか、これから学んでみたいことなどを投稿していただけたらと思います。 間違ってもいいので参加者どうしでどんどん質問に答えたり、意見を交わし合ったりして、学びとこれからの行動に繋がればと思います。 Twitter ハッシュタグ: #mpsamurai
やる夫で学ぶ機械学習シリーズ · けんごのお屋敷
これは、機械学習に関する基礎知識をまとめたシリーズ記事の目次となる記事です。まとめることで知識を体系化できて自分自身の為にもなるので、こういうアウトプットをすることは大事だと思っています。ただ、普通にブログ記事を書くのも面白くないので、ちょっといつもとは違う方法でやってみようというのが今回のシリーズ記事。 2 ちゃんねるのキャラクターが登場人物として出てきて、彼らが会話して話が進んでいく「やる夫で学ぶシリーズ」という講義調の形式のものがあります。個人的にはやる夫で学ぶシリーズや 数学ガール のような会話形式で話が進んでいく読み物は読みやすいと思っています。さらに、先日みつけた やる夫で学ぶディジタル信号処理 という資料がとてつもなくわかりやすく、これの真似をして書いてみようと思い至りました。記事中のやる夫とやらない夫のアイコンは http://matsucon.net/material/m
機械学習の基礎知識としての数学 - learning.ikeay.net
私がAI（人工知能）や機械学習って難しいナーと感じるところは、数学の前提知識がある程度必要なところです。 GoogleからTensorflowが出たときに、私もいっちょやってみるかなんて思ったのですが、参考にした記事もなかなか難しくてあんまり理解できなかったのを覚えてます。途中まで理解出来てたのに、急に数式が出てきて「なるほどわからん！」ってなることが多かったですね。 「というかエンジニアなのに数学苦手なのｗ」とビックリされる方もいらっしゃると思いますが、エンジニアっつったって、今の御時世理系出身エンジニアばかりじゃないんです。でもエンジニア女子やってると自動でリケジョ扱いされるから面白いですね。 当面の目標としては、AIの中でも機械学習を学んでいきたいので（DeepLearningできるようになりたい！）、あると嬉しい数学の知識としては以下です。 線形代数 確率・統計 微分・積分 AIの
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
- YouTube