Math & Codingは数学とプログラミングの知識を向上したい方が集い学び合う場です。 機械学習やデータ分析予測業務の仕事のニーズが高まるにつれ数学とプログラミングの 両方を習得していくことはとても重要です。 どちらも習得に時間はかかりますが、学べば品質の高い仕事につながると考えます。

趣旨

「線形代数学（新装版）川久保 勝夫」を中心に、線形代数学を全7回に渡り、講義します。

今回の連続シリーズについて

DeepLearningで使われるTensorFlowは、名前の由来がテンソルから来ています。 テンソルとは多次元データ配列で、テンソル演算の基礎が「線形代数」と言われています。 機械学習、統計学、時系列解析では、線形代数のアドバンスドな演算を元に理論が構築されています。 統計学を本格的にすすめるにあたって、微積や線形代数を使いこなせるかが試金石ともいえるでしょう。

線形代数には学ぶべき大切な柱が3つあります。

1. 行列、行列式の演算ができるようになる。
2. 線形写像、ベクトル空間の概念を使いこなす。
3. 固有値問題とそれから導かれる行列の対角化を知る。

1と3は数理的な計算、そして2は大学数学の抽象概念の入り口です。

残り#06と#07では下記を予定しています。

• 06:ランク/内積/直交基底/直交化法/固有値問題1回目
• 07:固有値問題2回目/対角化/行列の微分/行列の指数関数
• 特論(予定):行列の分解/一般逆行列

すすめるにあたって、テキストを事前にgithub等で公開します。 ベースは線形代数学（新装版）川久保勝夫,日本評論社です。 随時内容を追加する予定です。

対象者

線形代数を学び分析業務等に活かしていきたい方。

さらに、業務だけでなく、工学や理学などにも役立てていただければと思います。折に触れて、他分野への脱線も予定しています。

カフェ等でオンサイト講師もお受けいたします。詳しくはメッセージ等、お問い合わせください。

前提

高校数学程度の知識は前提とします。

また当講座の#01〜#05(行列演算、逆行列、線型空間の基礎)程度があると、理解しやすいと思います。