機械学習・ディープラーニングのための基礎数学・微分入門

2018/06/24(日)14:00 〜 19:00 開催

ブックマーク

#アルゴリズム, #機械学習, #数学

イベント内容

内容概要

現在、ほとんどの機械学習・ディープラーニングの書籍や学習コンテンツは、数式やアルゴリズムを用いた説明をしており、数学から遠ざかってしまった方が読み進めるのが難しく、難解な分野だという雰囲気を醸しています。

正直、ありもののライブラリやAPIを使えば、機械学習・ディープラーニングでそれなりのものは作れる世の中になりつつあります。しかし、だからこそ今後求めらるのは本当にAIを理解している人であるはずですから、 ML/DLで扱うアルゴリズムの理解に不可欠な数学や統計などの知識は重要と言えます。

本講座は、上記思想のもと、一人だと非効率かつ目的を見失いがちなMLに必要な数学について、ML/DLにおける数学の観点からカリキュラムを作成し、数学について全く自信のない方でも、ML/DL界隈で基礎とされる数式・アルゴリズムが独学できるスキルの習得を目指します。

今回は、微分を扱います。尤度関数や誤差関数／損失関数、勾配降下法といった「学習時の最適化問題」の解決のためにはとても重要な分野です。5時間の講座となりますので、完全なる理解は難しいかもしれませんが、ML入門書を独学できるベースの知識を、多くの演習問題を通して身につけられるようにプログラムしています。

機械学習の実務においては、数学の公式を知っているといったレベルの知識は役に立たないので、本講義では、公式の暗記ではなく、そこに至るプロセス・モチベーションに比重を置き、意味と意義が理解できるようになることを中心に進められればと思います。

また、E資格の出題範囲として明示はされていませんが、E資格の例題を見ると当然のように記述されている（当たり前すぎて範囲としていないだけのようです）ので、ぜひ本講座で基礎を抑えていただければと思います。

受付・入場時間

開始の10分前から

カリキュラム

講座のゴール共有
機械学習における微分
微分その前に
- 関数
- 様々な関数
- n乗
- Σ
極限と微分の定義・本質
- 平均変化率
- 極限
- 微分係数の公式
- 二項定理（順列・組み合わせ）
- 導関数と増減表
- 様々な関数の微分
微分の応用
- 様々な関数の微分
- 合成関数の微分
- 積と商の微分
- n回微分による極大/極小
- 偏微分
機械学習での微分利用
- 最小2乗法
- 勾配降下法

若干変更なる場合があります。

対象者

・なぜML、DLに微分が必要なのかを知りたい方
・ML、DLを勉強しているが、微分に自信のない方
・これからAIを勉強したいが、微分を先に身につけたい方

会場へのアクセス方法

土曜日はビル正面玄関が閉まっているため、開始10分前より随時内側から開錠いたします。
ビル正面玄関前でお待ちいただきますようお願い致します。
https://imgur.com/a/XteLG

遅刻される方は、入り口に着かれましたら、skillupai.tokyo@gmail.comまでご連絡ください。
スタッフがお迎えに行きます。

ビル館内では飲食物の購入はできませんので、飲食物は事前に購入の上、ご来場ください。

講座中（休憩時間など）にビル外に外出される際は、スタッフまでお声がけください。
また携帯をご持参頂き、お戻りの時間をskillupai.tokyo@gmail.comまでご連絡ください。
ビル正面玄関へ、スタッフがお迎えに上がります。

講師

S Akematsu

東北大学理学部数学科卒業。個人事業を経て、高専向け学習塾「ナレッジスター」の経営などを行う教育特化型企業「合同会社Haikara City」を創業。現在、高専教育、社会人向けIT教育、WEB教育コンテンツの発信等を主に行う。著書線形空間論入門� 。現在は、画像解析システムの研究開発企業に対して、DeepLearningに関する数理コンサルティング、数学指導なども行う