何から勉強始めたらいい？（非情報系が機械学習を使う研究をしたいとき） - 木曜不足
以前、「非情報系が機械学習を使う研究をしたいとき」という記事を書きましたが、内容の半分はサイボウズ・ラボユースの宣伝だったんで、今回はタイトル詐欺じゃあないことも書きます。 いままで機械学習や深層学習に縁のなかった人が、それを使った研究を始めたいとなったとき、共通して直面する大きな課題は「何を優先的に勉強したらいいか」と「実験用の環境(PC)をどのように整えたらいいか」でしょう。 今回は何から勉強する？ という話。 機械学習そのもの(特に自分が使おうとしているモデル)を学ぶのは必須に決まっているので、機械学習を使う上で必要となる前提知識を学ぶ優先順位について考えてみます。 機械学習(深層学習を含む)を使う上でキーになる前提知識は、数学(特に解析・線形代数・統計)とプログラミングを含む情報科学であることは意見の一致するところだと思います。 情報系の人なら、情報科学はさすがにやってます。プログ
RealLib ではじめる誤差ゼロ実数計算 - 2008-09-09 - ひとり勉強会
RealLib のソースコード読みを始めるはずだったんですが、なんだか全然進んでないので適当なまとめエントリでお茶を濁します！ RealLib が普通にかっこよすぎるので紹介しまくりたくなりましたので紹介記事です。 実数計算と誤差 たいていのプログラミング言語の「実数 = 浮動小数点数」の計算には「誤差」があります。たとえばPythonのばあい： Python 2.5 (r25:51908, Sep 19 2006, 09:52:17) [MSC v.1310 32 bit (Intel)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> 0.1 + 0.1 + 0.1 - 0.3 5.5511151231257827e-017 0.1 を 3 回足しても 0.3 にはな
【Python】専門書や論文を読みたいけど数学が苦手・わからない人向けのコードを読んで学ぶ数学教本 - Qiita
はじめに プログラミング自体は文系、理系、年齢関わらず勉強すればある程度ものになります。プログラミングがある程度できるようになるとTensorflow,PyTorchやscikit-learn等のライブラリで簡単にできる機械学習やデータサイエンスに興味を持つの必然! これからさらになぜ上手くいくのか・いかないのかの議論をしたい、社内・外に発表したい、理論的な所を理解したい、先端研究を取り入れたい、応用したい等々と次々に実現したい事が増えるのもまた必然でしょう。このときに初めて数学的なバックグラウンドの有無という大きな壁が立ちはだかります。しかし、数学は手段であって目的ではないので自習に使える時間をあまり割きたくないですよね。また、そもそも何から手を付けたら良いかわからないって人もいるかと思います。そんな人に向けた記事です。本記事の目標は式の意図する事はわからんが、仕組みはわかるという状態に
LOG関数で2を底とする対数(二進対数)とO(logN)の意味を知ることは情報処理の基本である【Excel】 - わえなび ワード＆エクセル問題集 waenavi
対数のlogを勉強するときにまず最初に習得するのは常用対数です。 【LOG・LOG10関数】Excelで10の累乗と常用対数が使えたら数値の桁数が計算できます 常用対数を習得したら次に習得するのが2の累乗と2を底とする対数です。学生の時に、2，4，8，16，32・・・と2の累乗を覚えた人もいるのではないでしょうか？ 大人であれば、2を10回かけたら1024（=約1000）になることを知っておいても損はないでしょう。携帯電話の「ギガ」はもともと2を30回かけると約10億＝1ギガの情報量になるところからきています。2の累乗と2を底とする対数を理解することは情報処理を理解する第一歩と言っても過言ではありません。 そこで、今回は、Excelで2の累乗と2を底とする対数を求める方法とその応用について解説します（2進数については深入りしません）。 目次 １．まずはExcelで２の累乗の性質を考えてみよ
文系大学生が無料のPython入門講座を受けてみた 必要な数学知識も簡単に学べる | Ledge.ai
2021年上半期にAI（人工知能）関連メディアであるLedge.aiで公開した記事のうち、反響の大きかったもの再掲します（※初公開日：2021年4月24日）。 今回は株式会社キカガクが提供する「Python & 機械学習入門」を受けてみました。約9時間の講義がすべて無料で受けられます。 本講座は、機械学習に必要な数学の基礎、Google Colaboratoryを用いた実装を学べる講座です。必要なところだけを絞って説明されるのでわかりやすく、基礎を習得できます。カリキュラムは以下のとおりです。 導入微分線形代数単回帰分析重回帰分析１Python速習単回帰分析の実装重回帰分析の実装演習問題統計重回帰分析2「導入」では、主に機械学習についての説明があります。AI・ディープラーニングとの関係性や、機械学習ではどの数学知識が必要なのか言及しています。初めての人は「微分」と「線形代数」を学びましょう
クォータニオンとは何ぞや？：基礎線形代数講座 - SEGA TECH Blog
---【追記：2022-04-01】--- 「基礎線形代数講座」のPDFファイルをこの記事から直接閲覧、ダウンロードできるようにしました。記事内後半の「公開先」に追記してあります。 --- 【追記ここまで】--- みなさん、はじめまして。技術本部 開発技術部のYです。 ひさびさの技術ブログ記事ですが、タイトルからお察しの通り、今回は数学のお話です。 ＃数学かよ って思った方、ごめんなさい（苦笑） 数学の勉強会 弊社では昨年、有志による隔週での数学の勉強会を行いました。ご多分に漏れず、コロナ禍の影響で会議室に集合しての勉強会は中断、再開の目処も立たず諸々の事情により残念ながら中止となり、用意した資料の配布および各自の自学ということになりました。 勉強会の内容は、高校数学の超駆け足での復習から始めて、主に大学初年度で学ぶ線形代数の基礎の学び直し 、および応用としての３次元回転の表現の基礎の理解
輸送問題を近似的に行列計算で解く（機械学習への応用つき） - 私と理論
輸送問題と呼ばれる問題があります． この問題は，普通は線形計画法やフローのアルゴリズムを使って解かれます． この記事では，この輸送問題を近似的に行列計算で解くアルゴリズム（エントロピー正則化 + Sinkhorn-Knopp アルゴリズム）を紹介します． 輸送問題とは アルゴリズム 得られる解の例 なぜこれで解けるのか？ 競プロの問題を解いてみる 機械学習界隈における流行 まとめ 輸送問題とは 輸送問題とは以下のような問題です． 件の工場と 件の店舗からなる，ある商品の流通圏があるとする． 各工場には 個の在庫がある.． 各店舗では 個の需要がある． 在庫の総和と需要の総和は等しいとする （すなわち ）． 工場 から店舗 に商品を一つ運ぶためには の輸送コストがかかる． 各工場 から各店舗 への輸送量 を適切に決めて，各店舗の需要を満たしつつ輸送コストの総和を最小化せよ． 輸送問題は最適化
目次-中学生から分かるAI数学 – E資格自習道場
ー目次ー 第一講： 活性化関数 （PDF全編） Step関数 ReLU関数 Softmax関数 Sigmoid関数 Tanh関数 第二講： 条件付き対数尤度と平均二乗誤差（PDF全編） 最小二乗法,平均二乗誤差 最尤法,条件付き確率,条件付き尤度,最尤推定量 条件付き対数尤度,対数 最尤法（GT版 主に対数） 最尤法（GT版 主に微分） 最尤法（母集団） 最尤法（母平均と母分散） 最尤法（最小二乗法との関係） 第三講： 確率分布（PDF全編） Bernoulli 分布 Gauss分布 正規分布（GT版） 二項分布1（GT版） 二項分布2（GT版） 二項分布3（GT版） 第四講： 損失関数 ～E資格元ネタ（Deep Learning” (2016) の6.2.1 節）の数式を予習 （PDF全編） 機械学習における損失関数とは？,カルバック・ライブラー情報量と交差エントロピー,損失関数としての
ローマと道に関するいくつかの問題とその解決
ローマと道に関するいくつかの問題とその解決 「すべての道はローマに通ず」は何を意味するのか？ 「すべての道はローマに通ず」についての問題提起と解決の提案Read less
無料で読める統計学・機械学習周辺のチュートリアル論文や講義ノート10本 - Qiita
はじめに 千葉大学/Nospareの米倉です．今回は，統計学・機械学習周辺で，僕が良いと思ったチュートリアル/サーベイ論文と講義ノートを簡単なコメント付きで紹介したいと思います．チュートリアル論文やサーベイ論文は，そのトピックの解説や教育面にフォーカスしていて，何か勉強したり，網羅的に把握するときに非常に便利だと個人的に思います．また公開されている講義ノートの中には非常に勉強になるものが多くあります．内容は僕が興味があるトピックに偏っています．またすべて無料で読めます．（教科書等の海賊版みたいなのは載せていません） 10本の紹介 Nickl "STATISTICAL THEORY" Nicklの統計学の講義ノートです．いわゆるM推定量の漸近的性質に加え，バーンスタイン・フォンミーゼズ定理等も証明付きで解説されており，上級レベルの数理統計学を学ぶのに重宝すると思います． Doucet and
競技プログラミングに関係する数学の整理 ～文系出身や数学苦手erが、もっと競プロを楽しむために～ - テルの競プロメモ
まえがき この記事の目的 意図する対象読者 今回の整理の仕方（記事の見方） 注意 競プロに関係する数学（本題） 言葉（文系でも多分聞いたことはある）編 言葉（文系だと聞いたことないかも）編 言葉（離散数学）編 「式変形」編 「図形っぽいやつ」編 筆者のバックグラウンド 経歴、仕事など まえがき この記事では、競技プログラミングに関係する数学用語・概念と、それがどんな単元（分野）に属するものかを整理（一覧化）します。 競技プログラミングの問題に出てくる用語・概念をはじめ、競技プログラミングの解説記事などに出てくる用語・概念も、思いつく限り挙げています。 「この記事の数学的な部分、どのぐらい信用できるの？」とか、「数学苦手と言ってもどのくらい苦手なの？」といった疑問への参考としては、筆者のバックグラウンドを記事の最後で紹介したので、気になる方は先にそちらを読んでください。 この記事の目的 文系
プログラミングの仕組みを理解する方法 - JavaScript勉強会
この記事は、プログラミングの専門教育（大学のコンピューターサイエンスなど）を受けておらず、独学でプログラミングを学習している方へ贈るアドバイスです。 ＝タイムマシンがあったら、過去の自分に会いに行って教えたい話です。 （自分で自分に話しかけるつもりで書いてみますｗ） プログラミング言語はひとつマスターすれば他もできる？ - t-hom’s diary [プログラミング] [設計] [教育] プログラミングパラダイムは(1)命令型（チューリングマシン）、(2)宣言型（ラムダ計算）に大別される。両方理解したら全部カバーできる。言語は開発の背景（動機、歴史）を知るとなじみやすい。例：JSはScheme＋Selfで誕生 2019/09/16 06:49 b.hatena.ne.jp ↑はてなブックマークでこの記事が目にとまりました。 なるほどと思いつつ、自分なりに考えてみたことをメモ。 勉強のコツ
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
機械学習と連続体仮説。純粋数学が何に応用されるか誰にも予測できない - Fuji Haruka's blog
機械学習の分野にも「解決できるかどうか証明も反証もできない問題」が存在することが発見され、その論文が話題になっている。 機械学習によって解決できるかどうかが証明不可能な学習モデルが発見される - GIGAZINE Learnability can be undecidable | Nature Machine Intelligence 論文『Learnability can be undecidable（学習可能性は決定不能でありうる）』は、連続体仮説に言及していて、連続体仮説を使ってある抽象的な機械学習に関する問題が通常の数学の公理系では「証明」も「反証」もできないということを証明している。 連続体仮説には思い入れがあって、一時期 『集合論―独立性証明への案内』 を頑張って読んでいた（読めたとは言っていない）。今も実家にはその勉強ノートが何冊か眠っている。 興味津々で GIGAZIN
圏論のオススメ勉強法（プログラマ向け） - Qiita
この記事は、iOSDC Japan 2018 で発表した「圏論とSwiftへの応用」の補足 - Qiita の続きです。 今回は、数学科でもコンピュータ科学出身でもない、単なるiOSエンジニアである筆者が、数学の 「圏論」 に興味を惹かれ、その流れで iOSDC Japan 2018 で登壇発表に至るまでの、 圏論のオススメ勉強法（プログラマ向け） について紹介したいと思います。 登壇資料参考： iOSDC Japan 2018 「圏論とSwiftへの応用」発表スライドメモ - Qiita iOSDC Japan 2018 で発表した「圏論とSwiftへの応用」の補足 - Qiita アジェンダ 手元の圏論の本をそっと閉じる Bartosz Milewski先生の動画を見る iPad Pro と Apple Pencil で絵を描く 手元の圏論の本をそっと閉じる 巷には、圏論の名著といわれ
日本の中心はどの県だ？グラフ理論（ネットワーク）の基本的な諸概念 - アジマティクス
Ｑ：これは何の構造を表しているでしょう？ グラフ理論 上の構造のように、頂点（ノードともいいます）の集まりと、２つの頂点をつなぐ辺（エッジともいいます）の集まりでできたもののことを「グラフ」あるいは「ネットワーク」と呼び*1、このような構造を研究する分野こそが「グラフ理論（Graph theory）」です。今回はそんなグラフを使うと、身近なものの新たな側面が見えてくる話。 （余談ですが「グラフ」という用語は、数学だと関数のグラフとか円グラフみたいなやつもあって検索精度が悪いです。グラフ理論に関してわからないことがあった場合に「グラフ ○○」や「グラフ理論 ○○」とググるよりも、「ネットワーク ○○」とググったほうが得たい情報にリーチしやすいというライフハックが知られています） さて、冒頭のグラフです。グラフ理論の知識なんかひとつもなくても、このグラフから読み取れることはいくつもあります。例
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
数学×Pythonプログラミング入門
はじめに — 機械学習帳
セガが社内勉強会の資料を無償公開 ～数学は不要？ 断じて否、ゲーム開発ではバリバリ使うぜ！／PDFドキュメントで150ページ超の大分量。ラスボス概念「クォータニオン」に挑め！【やじうまの杜】
基礎線形代数講座
