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 【PDF版】 | SEshop.com
本製品は電子書籍【PDF版】です。 ご購入いただいたPDFには、購入者のメールアドレス、および翔泳社独自の著作権情報が埋め込まれます。 PDFに埋め込まれるメールアドレスは、ご注文時にログインいただいたアドレスとなります。 Amazon Payでのお支払いの場合はAmazonアカウントのメールアドレスが埋め込まれます。 本製品を無断で複製、転載、譲渡、共有および販売を行った場合、法律により罰せられる可能性がございます。 ご購入の前に必ずPDF利用案内をお読みください。 本書はデータサイズが約151MBございます。モバイルデータ通信での環境下や、スマートフォン等でのご使用がいただけない場合がございます。お使いの機器の空き容量や通信環境をご確認の上ご購入ください。 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
Writing Mathematics for MathJax — MathJax 3.2 documentation
The Basics What is MathJax? MathJax Accessibility Features Writing Mathematics for MathJax Putting mathematics in a web page TeX and LaTeX input MathML input AsciiMath input Putting Math in Javascript Strings The MathJax Community Reporting Issues with MathJax Including MathJax in a Web Page Getting Started with Components Configuring and Loading MathJax The MathJax Components Typesetting and Conv
IXL | Math, Language Arts, Science, Social Studies, and Spanish
IXL for high school Did you know? IXL helps high schoolers create their own path to success
日本が 数学で 決定的に 優れているわけ ノーベル賞・フィールズ賞受賞で圧倒している歴史的背景
歴史というのは、国と国民に極めて大きな影響を及ぼす。古くは中国文化圏の影響を強く受けながらも、日本は中国や韓国とはかなり違った文化を形成してきた。面白いことに、その違いの典型例が数学にあるという。 海を1つ隔てただけで、実利的な算術の世界にとどまった社会と、純粋数学の世界へと発展していった社会に大きく分かれた。世界の中で日本人ほど数学が好きな国民はほとんどない。これは私たちが誇っていい事実であり、その背景には歴史がある。 なぜ日本人は数学が好きになっていったのか。また長い年月の間に私たちの中に埋め込まれていった数学DNAをさらに強化して日本をさらに強い国にするにはどうすればいいのか。今回は数学を題材にした異色対談を実現した。 サイエンスナビゲーターの桜井進さんと花まる学習会を運営する高濱正伸さんの2人である。ちょうど数学に関する本を出版されたのを機会に、日本人と数学について話し合ってもらっ
Relationship between SVD and PCA. How to use SVD to perform PCA?
Principal component analysis (PCA) is usually explained via an eigen-decomposition of the covariance matrix. However, it can also be performed via singular value decomposition (SVD) of the data matrix $\mathbf X$. How does it work? What is the connection between these two approaches? What is the relationship between SVD and PCA? Or in other words, how to use SVD of the data matrix to perform dimen
特異値分解 - Risibletons
「特異値分解」の英名は、Singular Value Decomposition（SVDと略される）。 また、エッカート・ヤング分解(Eckart and Young)とも書かれる。応用として、データ分析等がある。 特異値分解の資料が少なくて困ってます（特に応用例に関する記述を読みたいと思っています）。本など、紹介して下さい。 擬似逆行列（一般逆行列）と零空間は、もっと使い道があるのではないかと思ってます。 計算は、FORTRANやC言語のライブラリとしてLAPACK、お金を出せるならIntel Math Kernel Library(IMKL)*1、計算ツールはMATLABやMahematicaなどを使えば簡単にできます。 学生時代はMathematicaで確認して、MKLを使って計算していました。2002年頃の話でうろ覚えですが、MKLはしっかりしたドキュメントが良かった憶えがあります
機械学習.vs.乱数 - 小人さんの妄想
新年おめでとうございます。久しぶりにブログを更新します。どっこい生きてます。 昨年は、たった１回しか更新しませんでした。 今年はブログを書けるくらいのゆとりを持ちたいものです。 さて、昨年までを振り返ると、一部で「サザエさんじゃんけん予想」が話題になったことがありました。 なんでも８割以上の的中率を叩き出した方もおられるとか。 そこまでするには相当の入れ込みが必要でしょうが、ちょっとパソコンで試すだけなら、わりと手軽にできます。 予想の方法はいろいろありますが、私は以下のブログを参考に、scikit-learnという機械学習を試してみました。 * サザエさんのジャンケンの次の手を決定木で予測+可視化してみた >> http://sucrose.hatenablog.com/entry/2014/11/23/230622 やったことは、上のブログにある通りです。 ・パソコン上に Python
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
