【データサイエンスシリーズ】人工知能を学ぶための数学超速入門

$【データサイエンスシリーズ】人工知能を学ぶための数学超速入門$

AI・データサイエンスの理解への第一歩。大学初等レベルの数学習得【京都大学データサイエンス講座】

お問合せはこちら

カテゴリ内検索 :

OFF

絞り込み検索

絞り込み条件を追加

選択した条件をクリア

テーマ

階層

納品・ 視聴形式

動画形式

教材

内容・特徴
到達目標
収録内容
価格・ご購入

対象者

全階層

・人工知能学習を始めるために必要な大学初等の数学を勉強したい方

・機械学習・深層学習を理解するための数学的知識を短期間に学びたい方

・京都大学「人を知る人工知能講座」受講申込、検討中で数学レベルに不安のある方

よくあるお悩み・ニーズ

人工知能やデータサイエンスを学びたいが数学が不安
短期間で機械学習・深層学習を理解するための数学的知識を学びたい
大学数学全体ではなく、AIやデータサイエンスに必要な項目を学びたい

研修内容・特徴OUTLINE・FEATURE

本講座は、AIやデータサイエンスを学ぶために有用と思われる初歩的な数学を説明する、京都大学のデータサイエンス講座「人工知能を学ぶための数学超速入門」です。
カリキュラムは、大学初年次向けの講義のようにできるだけ丁寧に進行し、AI・データサイエンスを学ぶために有用な初歩的な数学をわかりやすく説明しています。「知能とベクトル・行列」「最適化と関数の微分」「確率と統計的推定」の３つのテーマについて、各テーマごとに３～５個程度の動画に分けて説明しています。数学と言っても抽象的な複雑な内容ではなく、人工知能の機能や動作を理解するために必要な具体的な項目を扱います。
受講後は、人工知能の機能や動作を理解するために必要な初歩的な数学を理解することができるようになる他、京都大学「人を知る人工知能講座」の受講に必要な最低限の数学レベルを身に着けることができます。

到達目標GOAL

①人工知能の機能や動作を理解するために必要な初歩的な数学を理解することができる
②京都大学「人を知る人工知能講座」の受講に不安がない数学レベルを身に着けることができる
③人工知能学習を始めるために必要な大学初等の数学を身に着けることができる

収録内容DETAIL

研修プログラム
	内容
	１．ガイダンス講座概要の紹介
	２．人工知能とベクトル・行列（１）データからベクトル・行列へ（２）ベクトルの内積と行列の積（３）行列の積と次元削減 ■具体的テーマデータを特徴ベクトルとして表現する、ベクトルの加法とスカラー倍データの集まりを行列として表現する、行列の加法とスカラー倍、テンソルベクトルの内積とその利用法、行列の積と利用法、行列の積を用いる際の注意点と利点正方行列、対角行列、単位行列、転置行列と行列の積
	３．最適化と関数の微分（１）単回帰・相関・最小二乗法（２）微分による最小値（３）重回帰とベクトル（４）勾配法 ■具体的テーマ２つの属性を持つデータ、単回帰モデル、二乗誤差の最小化によるフィッテイング平均・分散・共分散と回帰直線、微分による目的関数の最小（大）化複数パラメータの目的関数・偏微分による最小（大）化制約条件のある目的関数・ラグランジュの未定乗数法、３つ以上の属性を持つデータ重回帰モデル、二乗誤差によるフィッテイング、目的関数である２次関数の最小値勾配法による目的関数の最小化、勾配の性質・勾配は等高線の垂線・勾配は目的関数の急峻方向最急降下法・代表的な勾配法バックプロパゲーション法・ニューラルネットワークにおける最急降下法
	４．確率と統計的推定（１）データの整理と分析の基礎（２）二項分布（３）最尤推定（４）正規分布（５）条件付確率とベイズ推定 ■具体的テーマデータの特徴をとらえる・平均・分散・標準偏差、平均と分散の性質確率変数を用いた平均と分散の表現、確率変数と確率分布、数学的な確率分布の利用二項分布、二項分布の平均と分散、数学的モデルとパラメータの推定、最尤推定二項分布の最尤推定、多項分布と最尤推定二項分布から正規分布へ正規分布の利用法法、条件付確率と乗法定理、病気の検査とBayesの定理 MAP推定、Bayes更新とその応用