高校数学の美しい物語の新着記事の一覧ページです。あなたにぴったりの記事を探してみましょう。
![高校数学の美しい物語の記事の一覧 | 学びTimes](https://cdn-ak-scissors.b.st-hatena.com/image/square/d4cb1bf37bc41da7bce059b7095d9d4fbfa70452/height=288;version=1;width=512/https%3A%2F%2Fmanabitimes.jp%2Fimg%2Fogp.png)
この記事は,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 Advent Calendar 2016の24日目です. qiita.com そして,本のAdvent Calendar 2016 の24日目でもあります. www.adventar.org 昨日のカレンダー微分をおさらいしつつ偏微分をつまみ食い! - Qiitaの純ちゃん もとい 43x2 - Qiita さん,ご紹介いただきありがとうございます!! みなさんのブログ,楽しく読ませてもらっています. 僕も何か証明しようかと思いましたが, 24日なので,みなさんへの感謝の意味も込めて,クリスマスプレゼントになりそうな記事にします. サンタ= amazon は大忙しだろうからキリストか仏の気持ちで待ちましょう. 24日に不純異性交友して数学しない悪い子には,ポチっても届かないかもしれないから気をつけろよ!! さて, 数学ができ
この記事は、 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 Advent Calendar 2016 8日目の記事です。 誰 軽く筆者のバックグラウンドを説明します。 普段はGolang Webアプリケーションエンジニア。 機械学習周辺は線形回帰の超高次元版として用いられることが多いな、程度の理解。 ML・DLなどスクラッチ実装や、TensorFlow, Chainer などのフレームワーク使用しての実践的な実装経験はほぼ無し。 物理の修士課程を修了できる程度には数学わかる。 ただし物理屋さんの中では結構出来ない方。 ねらい 指数や対数についてどんなものであるか概念を知っておくと、Qiita やはてなブログを読む層の方々の仕事にとって損はないと思いますので、拙いながら説明させて頂きます。 とはいえ高校の教科書通りにやるとすごいボリュームになるので、所々省略します。 そんな感じなので
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 Advent Calendar 2016の5日目の記事です。 4日目の記事はkazutarosuさんで数学ガールについてでした。 数学ガール、聞いたことがあるだけで読んだことはないので、これを気に読んでみようかと思いました。 この記事では、ベイズの定理を使ってモンティ・ホール問題を解いてみようかと思います。 一部高校数学の範囲を超えているところがあるかもしれませんが、ご容赦ください。 確率の復習 確率変数 確率とは、「ある事象が起こる確からしさの度合い」です。 サイコロで言えば、「6の目が出る確率」は$\frac{1}{6}$です。 この「6の目が出る確率」は以下のような式で表されます。 $$P(X=6)=\cfrac{1}{6}$$ ここで、$X$を確率変数、$P(X)$は$X$の確率といいます。 サイコロの例で言うと、$X$はサイコ
統計をこれから学ぼうという方にとって、非常に重要な概念ですが理解が難しいものに「標準偏差」があると思います。「平均」くらいまでは馴染みもあるし、「わかるわかるー」という感じと思いますが、突如現れる「標準偏差」 の壁。結構、この辺りで、「数学無理だー」って打ちのめされた方もいるのではないでしょうか。 先にグラフのイメージを掲載すると、下記の赤い線の長さが「標準偏差」です。なぜこの長さが標準偏差なのか、ということも解き明かしていきます。 (code is here) 本記事では数学が得意でない方にもわかるように1から標準偏差とはなにか、を説明してみようという記事です。 数式はわかるけど、イマイチ「標準偏差」の意味わからんという方にも直感的な理解がしてもらえるような説明もしていきますので、ぜひご覧ください。 (※ この記事では標準偏差の分母に $n$を使用しています。$n-1$を使用するケースも
このエントリーは 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 Advent Calendar 2016の2日目です。 1日目は現役高校生の方のエントリーでした。自分もこういう話を現役の頃に先生や同級生としたかったですね。現役の頃は数学って大学に行くための手段程度にしか思ってなくて、今考えたら非常にもったいなかったなと思います。。 これは何か Railsおじさんが機械学習の手法を使って仕事でデータ分析できるようになることを目標に12年ぶりに高校数学を復習した(ている)記録です きっかけ もともと機械学習に興味があったのだが、いい加減仕事でちゃんと使えるレベルになってRailsしか能がないおじさんから脱却しようと思い立ち、2016年5月ぐらいから「データサイエンティスト養成読本 機械学習入門編」を読み始めた データサイエンティスト養成読本 機械学習入門編 (Software Desi
前回機械学習を学ぶなら数学が必要だという話をしました。 s0sem0y.hatenablog.com それと同時に、数学を極めてから機械学習をやるのではなく、機械学習をやりながら必要に応じて数学を学んでいくというスタイルをオススメしました。しかし、今から機械学習を学んでいこうという人にとって、機械学習の数式がわからないとき、果たしてどの数学を学べば改善が見込めるのかを判断するのは難しい問題かと思います。 そこで機械学習に現れる数式を実際に取り上げ、ケースごとにどの数学分野を補強すべきかの指針をまとめてみたいと思います。また、少しの定性的な理解を深める解説も載せておきます。今後のヒントになれば嬉しいです。 パーセプトロンでのケース 全て同じ意味、式変形が分からない人へ 入力ベクトルに対して、 という数式が現れます。この数式を大抵の本は以下のように変形します。 最初の式と、この式が全く同じ計算
はじめに s0sem0y.hatenablog.com この記事で数学に関して勉強したいという場合に参考になる本を紹介したいと思います。 しかし個人的には数学の本を一冊ガッツリやって機械学習に移るというよりは、機械学習を学びながら必要な数学は調べていけばいいかなと思っています。もちろん数学を一通りやっていたほうが勉強は楽であるのは間違いありませんが、数学を今からやらなければならないというのは結構な重労働です。数学の様々な知識や公式は、今の時代ならばネットでも十分見つかりますから、適宜調べるというスタイルで構わないと思いますが、具体的な書籍があると頼もしいという場合の参考にしてください。 当然これから紹介する書籍の中身を完全に把握しておく必要はありません。 ただ、個人的には数学も単純に面白いと思います。(純粋数学は知りませんが) はじめに 線形代数 教科書 微分積分・ベクトル解析 文庫本、微
※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
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
処理を実行中です
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