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!


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

講座時間

●対面講座
 合計20時間
 ・情報理論:4時間
 ・一般化線形モデル:4時間
 ・ベイズ推論のための確率・統計:4時間
 ・多変量解析:4時間
 ・最適化:4時間

●オンライン講座
 約17.5時間

料金

●対面講座
 ¥150,000/1名(税別)

●オンライン講座 
 ¥75,000/1名(税別)

オプション

オンライン講座オプション ライブ配信講義
 料金:¥15,000/1名(税別)
 オプション内容:ライブ配信講義(合計5時間)
 日程:こちらをご覧ください

定員(対面)

15名(最少催行人数10名)

 

 

カリキュラム

対面オンライン

情報理論

・情報量とエントロピー
・エントロピーと機械学習
 ・クロスエントロピー
・ダイバージェンスと機械学習
 ・KLダイバージェンス
 ・JSダイバージェンス
 ・ワッサースタイン距離

一般化線形モデル

・一般化線形モデルの手続き(ポアソン回帰を例に)
・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

・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
・予測分布の導出

多変量解析

・基礎数学の復習
・回帰
 ・単回帰
 ・重回帰
 ・線形基底関数モデル
・その他の多変量解析手法
 ・主成分分析
 ・独立成分分析
 ・非階層的クラスタリング
 ・階層的クラスタリング

最適化

・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

最適化

・導入
・最小二乗法(回帰直線を例に)
・微分の応用
・正則化(Lassoを例に)
・計算法(勾配法)

ベイズ推論のための確率・統計

・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
・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)

情報理論

・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

・データベクトルと偏差ベクトル
・データの代表値
・相関係数の幾何学的意味
・最小二乗法
・線形回帰
・ロジスティック回帰
・主成分分析
・Pythonでの演習

※カリキュラムは変更となる場合がございます。

開催日程

新型コロナウィルスの感染拡大に伴う対応 ライブ配信について詳細はこちらをご覧ください。
 
対面オンライン

東京会場

第16期 

DAY1:12/19(土) 09:30 〜 18:30 情報理論・一般化線形モデル
DAY2:12/26(土) 14:00 〜 18:00 ベイズ推論のための確率・統計
​DAY3:01/09(土) 14:00 〜 18:00 多変量解析
DAY4:01/16(土) 14:00 〜 18:00 最適化
予備日:1/17(日)
講師:森田 大樹

場所:スキルアップAI 水道橋オフィス(地図はこちら
東京都千代田区神田三崎町3-3-20 VORT水道橋Ⅱ 5階

 

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。
講師:明松 真司

オンライン講座オプション ライブ配信講義

オンライン講座を10/29(木)までにお申し込みいただくと、+15,000円でオンライン講座オプションを選択できます。
ライブ配信講義の日程は以下の通りです
日程:11/1(日)13:00 〜 18:00

講師:森田 大樹

※ライブ配信講義日までにオンライン講座(動画)で自学習していただきます。
※ライブ配信講義は、応用数学の補足説明、ワーク・質疑応答、確認テストを中心に解説します。

 

ご案内

PCの動作環境

MacOSX 10.9 以上
Windows 8 以上(64bit必須)
メモリ4GB以上必須
※4GB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

■「最適化」「情報理論」にご参加の場合
特に準備はございません。

■「一般化線形モデル」「多変量解析」「ベイズ推論のための確率・統計」にご参加の場合
最新のAnaconda3-2019.03以降をインストールし、ブラウザでJupyterNotebookを表示できる状態まで事前に準備お願い致します。

※各自で必ず当日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

申込締切はいつですか?

開催日(対面講座)の3日前までです。3日前までに、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?

「微分」「線形代数」「確率統計Day1, Day2」講座を受講もしくは、修了相当の理解をしていることが必要です。

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。

 

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。

関連する講座

Page Top
お申し込みはこちら