機械学習・ディープラーニングに最低限必要な数学の基礎 ~各手法の妥当性判断のために~

初心者向けセミナーです

なぜその結果になった?
機械学習・ディープラーニングのメカニズムを理解し、
妥当性判断に繋げる方法とは!

セミナー講師

増井技術士事務所 代表 技術士(情報工学部門) 増井 敏克 氏

セミナー受講料

1名につき50,000円(消費税抜き、昼食・資料付) 
〔1社2名以上同時申込の場合1名につき45,000円(税抜)〕

セミナー趣旨

人工知能やディープラーニングに使えるライブラリやフレームワークが数多く登場しており、試すだけならば難しくありません。数行のソースコードを書くだけで、それなりの結果が得られ、便利になりました。しかし、処理の裏側がまったくわからず、良い結果が得られないときに原因がわからないという問題も。専門書を読むには数学の知識が求められますが、その内容は高校までの数学の範囲を超えています。文系で過ごしてきた人にはさっぱり理解できず、理系の人でも時間が経って忘れてしまった人も少なくありません。そこで、ディープラーニングの実装に求められる範囲の数学に絞って、Pythonでの実装と合わせて紹介します。

セミナープログラム

・ディープラーニングの概要
・人工知能と機械学習とは
・数学が求められる背景
・機械学習、ディープラーニングを行う上で必要な数学的知識
・数列と統計、確率
・平均、分散、標準偏差
・データの分布と確率分布
・ベイズの定理と最尤推定
・ベクトルと行列
・関数と微分
・勾配降下法
・抑えておくべきポイント
・ディープラーニングにおける学習
・損失関数とは
・モデルの評価
・手法の妥当性判断に繋げるために
・必要なデータの形式と量
・よく使われるデータと特徴
・外部データの活用 など

【質疑応答・個別質問・名刺交換】