数学×Pythonプログラミング入門中学や高校で学んだ数学を題材にして、Pythonによる数学×プログラミングを学んでみよう。数学の教科書に載っている定理や公式だけに限らず、興味深い数式の例やAI／機械学習の基本となる例を取り上げながら、数学的な考え方を背景としてプログラミングを学べる連載。
機械学習やレコメンドでよく見る「特徴量」の本質とは――「行列分解」の基本を図版とPythonコードで理解する
AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す本連載『「AI」エンジニアになるための「基礎数学」再入門』。前回は「行列計算」について学びました。今回のテーマは、「行列の計算分解」です。 前回、データを分析する際には、基本的に1次元のベクトルデータではなく多次元のデータを用いることが多いので、行列計算が重要になると解説しました。行列の計算は、AIが行う計算でもよく使用されており、さまざまな分析に関わる教科書などは行列表記での説明がほとんどです。今回紹介する「行列分解」は、そんな行列計算の中で重要なテクニックの一つです。 行列分解をする理由や行列分解後に得られる結果の意味などについて、数式の内容よりも意味の解釈に注力して解説するので、そこに注目して学習してください。 行列分解をする理由 初めに「行列分解とは何か」を説明します。行列分解とは、ある行列を
中学・高校数学で学ぶ、数学×Pythonプログラミングの第一歩
中学・高校数学で学ぶ、数学×Pythonプログラミングの第一歩：数学×Pythonプログラミング入門 「Pythonの文法は分かったけど、自分では数学や数式をプログラミングコードに起こせない」という人に向けて、中学や高校で学んだ数学を題材に「数学的な考え方×Pythonプログラミング」を習得するための新連載がスタート。連載コンセプトから、前提知識、目標、本格的に始めるための準備までを説明する。 連載目次 この連載では、中学や高校で学んだ数学を題材にして、Pythonによるプログラミングを学びます。といっても、数学の教科書に載っている定理や公式だけに限らず、興味深い数式の例やAI／機械学習の基本となる例を取り上げながら、数学的な考え方を背景としてプログラミングを学ぶお話にしていこうと思います。 今回は、それに先だって、プログラミングを学ぶ上で数学を使うことのメリットや、Pythonでどのよう
11月新刊情報『Pythonではじめる数学の冒険』
『Pythonではじめる数学の冒険 ―プログラミングで図解する代数、幾何学、三角関数』 Peter Farrell 著、鈴木 幸敏 訳 2020年11月16日発売予定 380ページ ISBN978-4-87311-930-4 定価3,300円（税込） 数学を8年間、コンピュータサイエンスを3年間教えたことのある著者が、自らの経験に基づき、これからの時代に必要な数学とプログラミングの能力を身につけてもらいたいと筆をとった意欲作。定義や命題から入る伝統的なアプローチではなく、プログラミングによる視覚的アプローチで直感的な理解を促します。数学の視点からプログラミングを眺め、また逆にプログラミングの視点から数学を眺めることで、退屈な計算問題は、さまざまな工夫が可能なプログラミングの課題になり、プログラミングの文法は、数学の問題を解く上での強力な武器となり、それぞれの新たな魅力に気づかされるきっかけ
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
Pythonで動かして学ぶ！あたらしい数学の教科書 機械学習・深層学習に必要な基礎知識 | 翔泳社
AI開発に必要な数学の基礎知識がこれ1冊でわかる！ 【本書の目的】 本書は以下のような対象読者に向けて、 線形代数、確率、統計/微分 といった数学の基礎知識をわかりやすく解説した書籍です。 【対象読者】 • 数学がAIや機械学習を勉強する際の障壁になっている方 • AIをビジネスで扱う必要に迫られた方 • 数学を改めて学び直したい方 • 文系の方、非エンジニアの方で数学の知識に自信のない方 • コードを書きながら数学を学びたい方 【目次】 序章 イントロダクション 第1章 学習の準備をしよう 第2章 Pythonの基礎 第3章 数学の基礎 第4章 線形代数 第5章 微分 第6章 確率・統計 第7章 数学を機械学習で実践 Appendix さらに学びたい方のために 序章 イントロダクション 0.1 本書の特徴 0.2 本書でできるようになること 0.3 本書の対象 0.4 人工知能（AI）と
Pythonコードと図で分かる平均値と標準偏差の違い――「統計」とはデータから価値ある情報を抜き出すこと
統計量 「情報を抜き出す（数値や関数として）」と前述しましたが、この数値として抜き出された情報こそが「統計量」と呼ばれるものです。先ほど例として紹介した、合計や平均値も、その一種です。 一口に統計量といっても、その種類はさまざまで、それぞれの意味合いや算出するにふさわしいケースも異なれば、用法も異なります。 代表値 まずは「代表値」を紹介します。代表値とは「数列内の各要素の値が、だいたいどの程度なのか」を説明する統計量です。 下記のような数列（架空の店舗「a」と「b」の商品の価格などと仮定）を定義しておくとしましょう。 図1は、各要素の値とシーソーの目盛りが対応しており、重りの積み上げられた個数は各要素の出現回数に対応しています。また、現実のシーソーとは異なり、「板に重みはない」としており、「重りの重さだけで釣り合っている」とします。 数列「a」「b」を見比べてみると、5つ目の要素までは同
Pythonからはじめる数学入門
Pythonは書きやすくて読みやすい、使うのが楽しいプログラミング言語です。本書では、学生や生徒、プログラミングの初心者が、数学の問題を具体的に解く楽しみをPythonを用いて体験します。方程式の解を求めたり、統計や確率を計算したり、放物線運動をプロットしたり、フラクタル図形を描いたり、フィボナッチ数と黄金比の関係を探ったりします。同時に、matplotlibとSymPyの使い方も学びます。数学とプログラミングの両方の知識と技術を身につけることができる、まさに一石二鳥の一冊です。 目次 日本語版まえがき 謝辞 はじめに 1章 数を扱う 1.1 基本数学演算 1.2 ラベル：名前に数を割り当てる 1.3 さまざまな種類の数 1.3.1 分数を扱う 1.3.2 複素数 1.4 ユーザ入力を受け取る 1.4.1 例外と不当入力の処理 1.4.2 分数と複素数を入力 1.5 数学を行うプログラムを
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
ディープラーニングの数学「スカラー・ベクトル・行列・テンソル」とは？
「AI」エンジニアになるための「基礎数学」再入門 - ＠IT
すうがく初めの一歩