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!

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る力
  • 機械学習モデルのチューニング方針を立てる力
  • 機械学習モデルの説明を理論的に説明する力

受講に必要なスキル・前提知識

必須スキル

講座の特長

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、演習を取り入れ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!

無料トライアル版
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のうち、情報理論の一部が視聴できます。まずはトライアル版でスキルアップAIの講座の雰囲気やわかり易さを体験してみてください。

無料トライアル版に含まれる内容(約30分相当)

  • 情報理論

講座概要

講座名

機械学習・ディープラーニングのための応用数学講座

受講スタイル オンライン講座
お好きな時間、お好きな場所でeラーニング形式の講義を受講いただけます。

講座時間

動画講義約7.5時間(演習時間除く)

料金

110,000円/1名(税込)

料金に標準で含まれるもの

  1. 動画講義
  2. 講座資料
  3. 理解度確認テスト

お見積り請求についてのお問い合わせはこちら
見積り請求

※本講座/他講座との併合お見積りについては上記よりお問い合わせください

カリキュラム

情報理論

  • 情報理論とは?
  • 情報量とエントロピー
  • エントロピーと機械学習
  • ダイバージェンスと機械学習

 

一般化線形モデル

  • 一般化線形モデルとは?
  • 一般化線形モデルの手続き
    • ポアソン回帰
    • フレームワークとしてみる一般化線形モデル
  • 最尤推定法を用いたモデルパラメータの推定
  • AICを用いたモデル選択
  • ロジスティック回帰
  • (発展)一般化線形混合モデル

 

ベイズ推論のための確率・統計

  • 頻度主義とベイズ主義
  • ベイズ推論に必要な数学の準備
  • 確率モデルと事前分布
  • 事後分布の導出
    • 共役事前分布
    • MCMC法
  • 予測分布の導出

多変量解析

  • 多変量解析とは?
  • 基礎数学の復習
  • 回帰
    • 単回帰
    • 重回帰
    • 線形基底関数モデル
    • 動径基底回帰
  • その他の多変量解析手法
    • 主成分分析
    • 独立成分分析
    • クラスタリング

最適化

  • 最適化とは?
  • 線形計画法と双対定理
  • 凸二次計画の概要
  • 凸二次計画の応用:線形SVM
  • 最適化
    • 勾配法
    • ニュートン法

 

※カリキュラムは変更となる場合がございます。
カリキュラム詳細が知りたい方はこちら
お問い合わせ

法人研修のご相談はこちら
※法人研修をご検討の場合はカスタムも可能です

開催日程

オンライン講座

随時お申し込み可能です。お支払い確認後、3営業日以内に講義動画の視聴方法をご案内いたします。
※動画視聴期限は、動画共有日から1年間となります。

講師:森田 大樹

4名以上での対面/ライブ配信講座をご希望の場合はこちら
お問い合わせ

講師紹介

  • 森田 大樹
    森田 大樹

    東京工業大学情報理工学院修了。大学院時代は数理モデリングの手法を用いた脳神経科学の研究に携わる。 大手インターネット企業でマルチビッグデータシステムの開発・運用業務に従事した後、個人事業主として独立。現在SkillUpAI講師と並行し、MoneyForwardLab特別研究員として金融系データの解析業務を行う。2018年、ショウジョウバエ大規模ニューラルネットワークの数理モデリングの分野でIEEE Computational Intelligence Society Japan Chapter Young Research Award受賞。

ご案内

PCの動作環境

MacOSX 10.9 以上
Windows 8 以上(64bit必須)
メモリ8GB以上
※8GB未満でも受講して頂くことは可能ですが、大きなデータを扱う演習の際に不具合が発生する可能性があります。
メモリ不足が原因の不具合についてはサポートすることができませんので、あらかじめご了承ください。

事前準備

付録として、Jupyter Notebookを用いた資料をご用意しております。
付録資料も合わせて確認したい場合は、Anaconda3-2019.03をインストールし、ブラウザでJupyterNotebookを表示できる状態まで、事前に準備をお願い致します。
※各自で必ず受講開始前までに環境構築をお願いいたします。
環境構築等でご不明な点等あれば、事前にご連絡いただければご案内します。

よくあるご質問

領収書・請求書などの発行は可能ですか?

はい、可能ですので、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。

動画の視聴期限はいつまでですか?

動画共有日から1年間です。

数学講座のその他FAQ 講座共通のFAQ

受講者の声

  • 今まで学んできた数学知識と機械学習の基礎知識が結びつく瞬間を感じられました。
  • 情報理論はまったく初めてでしたが、E資格対策として十分な対応力を体得したと感じました。
  • 情報理論で使われる最低限の数学の復習から入り、無理なく情報理論の数式が理解できた。
  • 紹介いただく知識が実務的で参考になり、またフォローも手厚かったです。
更新日:2021.07.29

関連する講座

Page Top
お申し込みはこちら