ディープ ラーニング の 数学。 機械学習・ディープラーニングの数学/技術の概要を理解できる厳選「無料動画」:AI・機械学習の独学リソース

「ディープラーニング」で必要な「数学」の分野と、そのポイントをまとめました(関数・微分・積分編)

ディープ ラーニング の 数学

作っている雑誌で、これまで何度も取り上げてきた人工知能(AI)。 中でも中核と言える「ディープラーニング」を、先日、数学的にちゃんと理解できて感動した、という話である。 今更と思われた読者もいるかもしれないが、数式を追って結論にたどり着いたとき、思わず「おお、分かった!」と声を上げてしまった。 基本が分かると、関連する技術も結構すらすら理解できるようになって少々驚いている。 筆者は、PC用LinuxやPCボード「Raspberry Pi(ラズパイ)」を主題とするホビー向けの雑誌を作っている。 AIは既に身近な存在になり、フリーソフトで顔認識をしたり、便利なAIフレームワークを使えば数行のPythonプログラムで機械学習ができたりする。 そんな記事をもう数十本は企画して、執筆してもらってきた。 しかし、機械学習やディープラーニングの仕組みを自分で理解していたかというと、「何となくは」としか言えなかった。 新しい技術への好奇心は強いほうなので、たくさん出ている関連書籍を数冊は読んでいた。 しかし、比喩的な話に終始して結局よく分からなかったり、数学的な話がいきなり出てきて全く歯が立たなかったりした。 そんな機械学習やディープラーニングを理解できるようになったのは、担当する『ラズパイマガジン』で機械学習の連載を執筆してもらっている赤石雅典氏にポイントを教えてもらったからだ。 赤石氏は、日本IBMでワトソン&クラウドプラットフォーム事業部に所属し、金沢工業大学虎ノ門大学院でAI技術の講師も務めている。 必要な数学の分野は広くない 赤石氏によれば、ディープラーニングで使う数学の分野はかなり限られるという。 必要な分野だけ勉強すれば、最短コースでディープラーニングを理解できるのだ。 必要な数学は「微分・積分」「ベクトル・行列」「指数関数・対数関数」「多変数関数の微分(偏微分)」「確率・統計」の5分野。 広そうに見えるが、各分野の中で使う概念はごく一部だ。 例えば、積分はディープラーニングではほとんど使わない。 基礎的な考え方をざっくり理解していれば十分だ。 ベクトルや指数、対数などは、高校で習った基本を部分的に復習すれば事足りる(筆者を含め、多くの人が忘れているだろう対数は特に重要だ)。 一方の微分は、ディープラーニングの理解に欠かせない中核となる概念である。 大学で習う「偏微分」まで、もう当たり前のようにどんどん出てくる。 特に重要な概念に「合成関数の微分」がある。 これが分かると、ディープラーニングの世界にぐっと近づいてくる。 この記事は会員登録で続きをご覧いただけます。 次ページでログインまたはお申し込みください。

次の

ディープラーニングは最低限の数学で分かる

ディープ ラーニング の 数学

「そろそろAI・機械学習・ディープラーニングを学びたいと思っているが、きっかけがつかめない……」という人は少なくないのではないだろうか。 今では無料の動画だけで、手軽で楽しく学べるようになってきている。 「でも動画を見るにも時間が……」という人もいるだろう。 そこで本稿では、できるだけ短時間の日本語の動画で、できるだけ効率的に堅苦しくなく学べる動画を、筆者が考える「学ぶべき順」で並べてみた。 念のため断っておくが、今回の動画選択には、えこひいきは一切ない。 人脈による友達メディア推しもない。 「筆者がこのテーマで学ぶならこれがベストだ」と本心で思っている無料動画を、一切の利害関係なしで紹介している。 本稿で紹介するカテゴリ 機械学習といってもさまざまなレベルがあると思う。 今回は、普通のエンジニア、特に「大学には行ったけど、数学は忘れてしまった。 機械学習やディープラーニングも何となくニュースで見るだけ」というような初心者レベルの人をターゲットとする。 その観点で、次の3つのカテゴリを選んだ。 線形代数• 統計学(平均/分散/標準偏差/共分散を説明) という最低限必要な数学が学べる。 動画内のカリキュラムは、が考えたとのこと(ヨビノリとAidemyのコラボ動画)。 筆者自身もヨビノリのファンだが、ヨビノリの教え方は本当に分かりやすくて飽きが来ない感じが良いと思う。 そこが魅力である。 ただし大学講義や講習とは違い、全体の網羅感はない。 ちなみに本Deep Insiderでは、『』を連載中で、も提供している。 数学の対象範囲は広く、習得に時間がかかる。 上記のヨビノリ動画はあくまで最低限の内容になっているので、その後は、上記の連載を読みながら少しずつ1年ほどかけて数学を身に付けていくことを提案したい。 ディープラーニングの概要• 以上、「ヨビノリ」「いまにゅのプログラミング塾」「Neural Network Console」という3つのチャンネルから、初心者が機械学習/ディープラーニングを気楽に学ぶのにお勧めの無料動画を紹介した。 ちなみに「YouTubeの広告表示が多くて視聴しづらい」という人もいるかもしれないが、筆者の場合は、YouTube Premiumに登録しているので広告が表示されない。 上記の動画を視聴する際には、(期間限定などでよいと思うので)登録してみるのもお勧めである。 なお、今回は日本語で無料、しかも気楽に視聴できる動画に絞ったが、Udemyなどの有料動画や、有名海外大学の英語動画など、他にも真剣に学べる動画コンテンツはたくさんある。 本Deep Insider内でも「」や「」という記事も公開しているので、上記の動画を視聴し終わったら、より本格的な講義動画にチャレンジしてみるのもお勧めである。

次の

ディープラーニングは最低限の数学で分かる

ディープ ラーニング の 数学

本書は、ディープラーニングを支え、ベースとなっている数学に焦点をあて、どのような仕組みで、どのように効いて、なぜ機能するのかの解説をしていきます。 「ブラックボックス」と思われがちなディープラーニングの中身を理解していきます。 高校数学の知識を前提としながらも、必要な数学を復習しつつ、高校で習わない偏微分に関しては基本から必要な部分を解説して、ディープラーニングを支える数学の知識を学んでいきます。 「ディープラーニングという言葉は聞くが、どんなものなのか分からないので理解したい」「ブラックボックスと言われるディープラーニングの仕組みを知りたい」「ディープラーニングを学びたいけれど、数学の勉強のどこから手を付けていいか分からない」といった読者の興味に応える一冊です。 数学を学びながら、それがディープラーニングにどのように効いているのか分かることが重要です。 その点を実感として理解することができれば、ディープラーニングの仕組みの本質が理解できたことにつながっていきます。 そのためのディープラーニングの主要な概念の解説もしていきます。 高校数学のレベルから始めて、かなり高いレベルまで引き上げてくれる。 ニューロン、多層ニューラルネットワーク、最適化、誤差逆伝播などの基礎、応用はCNNまで、しっかり書かれており、分かりやすい。 入門書の決定版と言ってもいいくらいのレベル。 この本を理解できたら、岡谷氏、巣籠氏、斎藤氏などの定評のある本格的教科書にすんなり入れると思う。 ただしプログラミングやTensorFlowなどのパッケージの利用は他の本に当たる必要がある。 とはいえ、ブルーバックスで、ここまでの内容は素晴らしく、なるほどそういうことかと思うことも多かった。 惜しむらくは、高校数学のレベルから、と意識し過ぎたのか、説明が冗長になってかえってゴタゴタした印象を受ける部分も散見され、星4つとした。

次の