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!

ライブ配信で全国どこからでも受講可能

zoomを活用し、講座をライブで受講いただけます。講師とのやりとり、リモート受講者同士のグループワークも実施しており、対面受講に近い受講体験が可能です。


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(全4回)
 ・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

●オンライン講座
 約17.5時間

料金

●対面講座
 ¥90,000/1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

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

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。
 
東京オンライン

東京 第15期 ※募集締め切り

DAY1:7/11(土) 14:00 〜 17:30 情報理論
DAY2:7/18(土) 14:00 〜 19:00 多変量解析
​DAY3:7/25(土) 10:00 〜 17:30 最適化
DAY4:8/1 (土) 14:00 〜 19:00 ベイズ推論のための確率・統計アドバンス
講師:鈴木 藍雅

場所:スキルアップAI 水道橋オフィス
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。

■「多変量解析」「ベイズ推論のための確率・統計アドバンス」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