機械学習・ディープラーニングのための応用数学講座

機械学習・ディープラーニングのための応用数学講座

機械学習の理解に直結する応用数学を、豊富なラインナップで展開。

AIに関するほとんどの書籍や学習コンテンツは、数式を用いた説明をしており、数学に苦手意識をもつ方にとっては、難解な分野だという雰囲気を醸しています。

しかし、AI自体が数式で知能を表現しようという試みであるため、数式を理解せずにAIを学ぶことはできません。

スキルアップAIの数学講座は、前提知識不要レベルの基礎数学講座から、機械学習を理解するのに直結する応用数学講座まで、豊富なラインナップで講座を展開しています。

独学では辛い数学ですが、経験豊富なプロフェッショナルから直接学び、最短距離でスキルを身につけましょう!

講座の特徴

前提知識は不要で学べる!

基礎の基礎から始めるので、高校数学が不安な方でも大丈夫です!数学が機械学習・ディープラーニングのどこで使われているのかに触れて説明します。

機械学習モデルを数式的に理解できる!

講座の到達点を「機械学習アルゴリズムを数式的に理解できるようになること」として、演習や宿題などスキルアップの仕組みを用意しています。

E資格出題範囲対応!

日本ディープラーニング協会のE資格出題範囲の数学を、もっとも丁寧に取り扱う講座です!

本講座で得られる知識/スキル

  • 自力で機械学習の技術書を読み進められるようになります!
  • 機械学習モデルのチューニング方針を立てることができます!
  • 機械学習モデルの説明を理論的に説明することができるようになります!

講座概要

講座名 機械学習のための応用数学講座
講座時間

・多変量解析:5時間

・ベイズ推論のための確率・統計アドバンス:5時間

・最適化:6.5時間

・情報理論:3.5時間

料金

■基礎講座セット

・対面¥90,000/1名(税込)

・オンライン:¥81,000/1名(税込)

・対面&オンライン:¥158,000/1名(税込)

■講座単体

・対面:¥19,000〜¥35,000/1名(税込)

定員 15名(対面各回)

 

※セットでお申し込みの場合は、同一期(同月開講)の受講のみ有効です。(期を跨いだ受講はできません)
※請求書はセットでのお申し込みのみ対応しております。
※領収書はセットでのお申し込みで銀行振込の場合のみ対応しております。クレジットカード払いの場合、PayPal発行の受領書が領収書となります。
※6ヶ月以内の2回目の受講は各回3,000円(税込)となります。個別の講座ページからお申し込みください。

カリキュラム

最適化確率・統計情報理論多変量解析

最適化

《概要》

ディープラーニングをはじめとする多くの機械学習手法は、最適化問題と呼ばれる問題を解けば良いことが知られております。そのため最適化問題の理論を理解できれば、機械学習の様々な理論を効果的に習得することに繋がります。本講座では特に、回帰分析やサポートベクタマシンの学習などで現れる「凸最適化理論」に焦点を当て解説。機械学習のより一層の理解を目指します。

導入

  1. 最適化とは
  2. 機械学習での最適化問題の例
  3. 最適化問題とその用語
  4. 凸集合・凸関数
  5. 凸最適化問題関数

最小二乗法(回帰直線を例に)

  1. 目的関数の導出
  2. 正規方程式
  3. 最小二乗法の幾何学的意味*
  4. 最小二乗法の数値計算法*

微分の応用

  1. 凸2次計画問題(サポートベクタマシンを例に)
  2. 目的関数・制約条件の導出
  3. ラグランジュ関数
  4. KKT条件
  5. サポートベクタマシンの性質の考察*
  6. 双対理論*

正則化(Lassoを例に)

  1. 元々のモチベーション
  2. l0/l1, l2正則化

計算法(勾配法)

  1. 勾配法の導出
  2. 確率的勾配降下法
  3. ニューラルネットワークの学習(凸でない最適化問題への応用)

*は時間の都合上、割愛させていただく可能性があります。

ベイズ推論のための確率・統計

《概要》

確率統計学において「最も」重要であると言っても過言ではない「ベイズの定理」を軸として生まれるこの手法は、より高度な確率統計論を駆使し、確率分布のパラメータを「確率的に」予測するという、ディープラーニングとは全く異なる趣を持つ理論です。 ディープラーニングが潜在的に抱える種々の問題を解消するきっかけとなる「ベイズ推論による機械学習」を学ぶために必要な、高度な確率統計講座です。

積分の基本

確率変数の期待値、分散、標準偏差

代表的な確率分布

  1. ベルヌーイ分布
  2. マルチヌーイ(カテゴリカル)分布
  3. 二項分布 – ポアソン分布
  4. 正規分布
  5. ベータ分布
  6. ガンマ分布
  7. ディリクレ分布

ベイズの定理の復習

ベイズ更新とベイズ推論

共役事前分布

ベイズ推論によるパラメータの推定(ハンズオンを交えて)

  1. ベータ分布によるベルヌーイ分布のパラメータ推定
  2. ガンマ分布によるポアソン分布のパラメータ推定
  3. 正規分布のパラメータ推定

情報理論

《概要》

情報理論は確率統計学の応用範囲である「計算機科学」の一分野であり、事象の曖昧さ、不確実さを定式的に扱うための極めて応用的、実用的な内容を多く含みます。

情報理論はあまりメジャーな分野ではありませんので、「本格的な講座」が開講されることがあまり多くありませんが、本講座では、機械学習関連の書籍、また、日本ディープラーニング協会E資格で出題範囲の情報理論の諸概念について、見た瞬間に「なるほど」と思えるレベルの理解を目指します。

確率論の復習

対数関数の復習

自己情報量

エントロピー

2値エントロピー関数

条件付きエントロピー

相互情報量

シャノンの基本不等式

カルバック・ライブラー情報量(KLダイバージェンス)

多変量解析

《概要》

たくさんのデータをもとに現象を予測・分析する技術はディープラーニングだけではありません。その代表例としてデータ間の関連性を解析する回帰分析や、データに内在する本質的情報を抽出する主成分分析などが挙げられます。 本講座では、基礎的な統計学からおさらいし、回帰分析・主成分分析の理論をご紹介します。その後、演習を通じて実践的に手法をご理解いただきます。

データベクトルと偏差ベクトル

データの代表値

  1. 平均
  2. 分散
  3. 標準偏差
  4. 共分散
  5. 相関係数

相関係数の幾何学的意味

最小二乗法

線形回帰

  1. 単回帰分析
  2. 重回帰分析

ロジスティック回帰

主成分分析

Pythonでの演習

  1. 線形回帰演習
  2. ロジスティック回帰演習
  3. 主成分分析演習
 
※カリキュラムは変更となる場合がございます。

開催日程

東京大阪名古屋福岡

東京 第10期

DAY1:10/20(土) 14:00 〜 19:00 多変量解析
​DAY2:10/21(日) 14:00 〜 9:00 ベイズ推論のための確率・統計アドバンス
DAY3:10/27(土) 14:00 〜 20:30 最適化
DAY4:​10/28(日) 14:00 〜 17:30 情報理論
 
※場所:東京都渋谷区桜丘町9番8号 KN渋谷3ビル BF1
週末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。

大阪

第3期:未定

名古屋

第2期:未定

福岡

第2期:未定

ご案内

当日の持ち物

ご自身のノートPC。5枚程度の紙と筆記用具。

会場への入場

講義開始の15分前からとさせていただきます。

事前準備

応用数学講座は事前準備不要です。

よくあるご質問

基礎数学講座はビジネスに役立ちますか?

はい。実際にG検定合格者から、「合格のための学習を通じて、エンジニアとの会話が噛み合うようになり、AI案件を任されるようになった」「社内の他の合格者とAIを使った事業企画を行なっている」といった事例を聞いています。

申込締切はいつですか?

開催日の前日までです。前日までに、お支払い済みである事が確認できている必要があります。

前提知識はどくれくらい必要ですか?

本講座は、これから機械学習を本格的に学習されたいという方向けの講座です。前提知識は必要ございません。

領収書・請求書などの発行は可能ですか?

セットでお申し込みいただいた場合のみ可能です。お申し込み時の備考にその旨と宛名をご記入ください。但し、クレジットカード(Paypal)でお支払いの場合、PayPal発行の受領書が領収書となりますので、領収書の発行はできません。

Page Top
お申し込みはこちら