【まだ間に合う!】AI開発・機械学習を理解するための数学講座
プログラミングなしで、AIプログラミングや機械学習・深層学習を理解するための数学的な基礎知識を短期間に学んで、AI時代に取り残されず活躍できるようになりましょう!プログラミングをせずに基本的な数学用語を丁寧に学んでいきます。
4.35 (1139 reviews)
5,489
students
2.5 hours
content
Aug 2019
last update
$39.99
regular price
What you will learn
機械学習の参考書やレクチャーに出てくる数学や数式を理解できるようになります。
数学的知識が機械学習や深層学習と具体的にどのように関連しているのか、が理解できるようになります。
Description
【更新情報】
2019/5/7 行列計算のレクチャーを完成し追加しました。
2018/12/25 線形代数セクションにベクトルのレクチャーを5本掲載しました。
【講座概要】
中学・高校の数学基礎、線形代数、微分、確率統計などのうち、AI開発や機械学習・ディープラーニングなどの理解に必要な数学的知識を短期間に学ぶことを目指します。
理解度を向上させるためプログラミングはしないで、週末に一気に学び直せます。
【注意】中高の数学に不安がない方には物足りない内容だと考えますので、受講はお勧めしません。
第1日目: 数学基礎
関数
変数と定数
1次関数
GeoGebraのインストールとグラフの描画
2次関数
累乗・累乗根
指数関数
対数関数
自然対数とネイピア数
第2日目: 微分
極限
微分の公式
常微分と偏微分
合成関数の微分
シグモイド関数の微分
第3日目: 確率・統計
確率
順列と組合せ
確率変数と確率分布
条件付き確率
第4日目: 線形代数(2019/5/7 行列計算を追加済み)
ベクトル
演算
内積
直行条件
法線ベクトル
ノルム
コサイン類似度
行列
行列計算
逆行列
Content
はじめに
はじめに
数学基礎
このセクションの概要
関数
1次関数
GeoGebra Classicをインストールして、グラフを描いてみよう
練習課題: 1次関数を描いてみよう
2次関数
練習課題: 2次関数を描いてみよう
平方根・累乗根
指数関数
練習課題: 指数関数を描いてみよう
対数関数
練習課題: 対数関数を描いてみよう
自然対数とネイピア数
練習課題: 自然対数を描画してみよう
数列と記号
微分
イントロ: 機械学習と微分の関係
極限
極限の計算
機械学習に必要な微分の公式
微分の線形性
練習問題: 微分の線形性
練習問題の解答例
分数関数の微分
シグモイド関数の微分を計算してみよう(合成関数の微分)
多変数関数と偏微分
偏微分を計算してみよう
確率・統計
セクションの概要
確率
例題2の解答サンプル
順列と組合せ
順列の公式を導出してみよう
組合せの公式を導出しよう
練習問題の解答例
ベクトル・行列
セクションの概要
ベクトルの表記
ベクトルの足し引き・スカラー倍
ベクトルを図形的にとらえよう
ベクトルの内積
ベクトルの直交条件
法線ベクトル
ベクトルのノルム・正則化項
コサイン類似度
行列の表現
行列の加算・減算
行列の掛け算
逆行列
Screenshots
Reviews
Takahashi
March 3, 2023
説明がほとんどないです。文系には理解するのは無理でしょう。理系でも学びなおしレベルの人は辛いと思います。
微分、積分が分かっていれば自分で数式を展開するのもできると思います。
手書きの部分が読み辛いです。
岡本浩
February 16, 2023
AI開発に必要な数学の概念を中心に実際に白板に数式で導きながら説明しており、理解し易かった。基本事項が中心であるが、AIに重要な範囲が理解できた。推奨されている数学ソフトを利用して、PC上で手を使って実例での理解を進めていきたい。
立木
September 5, 2022
自分で分かっている人間がするダメな説明の典型。
合成関数の部分の説明が雑で、計算過程をスキップやジャンプしてしまっては???が解消できずストレスになります。
他の講座を見た後でこの講座をみたから自分で行間をつなげたけれど
分かる奴だけついてこいという感じや、教えてやってる感が出ていて、この講座嫌いです。
人に教えるのが苦手だったり、面倒なら辞めたらいかがでしょうか。
「本当にわかる、AI時代の数学【超初心者からの数学入門】」の講座が丁寧なのでそちらをお勧めします。
Yasubumi
August 10, 2022
数式の説明があった点、図形で考える説明があった点が良かった。
他に受講した講座はExelが計算してくれるので数式の理解は「とりあえず」不要というスタンスだった(それはそれで良かったのですが)。
ただ、私自身に機械学習に関する知識がないため、どのような場合に使うのか(説明はありましたが)ピンと来ない点もありました、、、
Oonishi
February 24, 2022
高校くらい(←たぶん学習した年度で違うので「くらい」)の数学を復習して
記憶を掘り起こすには適している。ただ新規の概念の出し方がいささか
取っ散らかっているので、予備知識がない人が一から学習する際には
難しいかも。あと板書で講師自ら計算して進めて見せてくれるのは好ましいが、板書の音が意外と大きく気になった。特に(こちらがレシーバを使って
聞いているのもあるだろうが)初期には近くで誰かが籠球を撞いているのかと
思うくらい響いていた。
Sean
September 24, 2021
何れも高校時代に習った内容ですが大学・社会人と進む中で使ってない分野もあり結構忘れてますね。。。内容的には一度はこれらの数学を一通りは習って理解した経験のある人でないと難しい様な気もしますが、その様な方なら良いおさらいにはなります。これは日頃常々感じてることですが、高校数学でこれらの数式等がどの様な技術開発に応用されるか、実際の具体例等も学校で教えてあげると学習の意味合いが理解出来て学生の関心もまた違ってくる気がします。
Tsukuda
June 28, 2021
学生時代に習ったはずなのに。。。すっかり忘れていました。いくつかつまずくところもありました、別途WEB検索等で、補完してついていきました。例えば、項目23 合成関数など。
また何回か見直すと思います。 思い出しのきっかけとしてよかったです、ありがとうございました。
West
February 7, 2021
文字を書いて講義が進んでいく形が黒板での授業を思い出す。同時にポイントがつかみやすい。
理系でなくても機械学習に連なる丁寧な説明である。
敢えて、要望するなら、要所ででのハショリが惜しい。例えば以下の点
・ジグモイド関数の微分がジグモイド関数だけの式で表せられることがバックプロパゲーションに繋がるとの説明を頂くが、その何の性質がどのように繋がるのかといった聞きたいところが略されていた。もう少しだけ奥に入って頂きたかった
小澤征義
January 30, 2021
AIをはじめる前にみるのが良いですが人によっては簡単すぎるかもしれないです。
私としては大人ってなって再確認という意味で良い勉強になりました。
板書がそこそこありますが文字が見えないなどの心配はなかったです。
また、説明が非常に丁寧(式の導出を省略しない)なので定着しやすいと感じました。
欲を言えばもう少しボリュームがあるとより嬉しいと感じました。
水野秀俊
June 11, 2020
1次関数や2次関数は、初歩的な内容ですが、他の関数や確率等を含めると、学生時に学んだことを思い出させる上で良い。
微分の章は、難しい点もあるが、分かりやすく説明している。ただ、中高時代に微分を勉強している上で、思い出すよな感じで、聞かないと内容についていけないような気がする。目的としては、説明内容は、十分だと思う。
確率統計もベクトル行列も分かりやすい説明でした。
Y.Kaki
June 2, 2020
ピンポイントですが、分数関数の{1 / f(x)}’ を- u’ / (u ^2)に変換する際、合成関数というだけでさらっと説明していますがこれまでの合成関数の説明からこの変換を行うのは自明な変換ではないと思います。(分数の合成関数の公式を知っていればすぐできると思いますが。。。)
長井琢人
May 7, 2020
プログラミングを扱う年代の人は中学・高校数学を忘れている人が多いと思われる。その際、数学の参考書を購入して一から勉強するのも良いが、プログラミングで扱う数学を一度こちらで学ぶと、後から参考書で勉強する際にも要点が掴めていて、頭の中でも形ができているので効率を考えてもとても良いと思われる。
Yuki
October 24, 2018
コース案内では、順次アップロードとなっている内容が、9月中→11月と変更され、それが過ぎてもアップロードされません。
遅延理由が、本業が忙しいというのは、全ての講義を収録してから公開すればよいことなので、受講者には関係ないことだと思います。
Masanobu
September 5, 2018
ここのところ高校数学を再学習中ですが、AI、機械学習、ニューラルネットワークといったことに、高校数学がつながっていて役に立つと知ることができて面白いし、とても嬉しいです。高校数学外の事項も出てきますが、大変わかりやすいです。線形代数のレクチャーは9月中に追加されるとのことで、楽しみにしております。
最後に講座のリクエストです。プログラミング関連の英語表現等の講座を希望します。
Technohead
September 2, 2018
トータル1.5時間と集中しやすい長さのレッスンで、必要なところをコンパクトに勉強できてよかった。
長いレッスンで飽きてしまうより、初心者はまずは短いコースを終えて、勘所をつかむことが重要だと思い、その意味ではこのコースはとてもうまくできていました。
Charts
Price
Rating
Enrollment distribution
Related Topics
1857364
udemy ID
8/15/2018
course created date
11/16/2019
course indexed date
Bot
course submited by