Pythonによるディープラーニング実装に必要な数式理解のための数学解説

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り
Pythonでの実装と合わせて紹介します

セミナー講師

増井 敏克(ますいとしかつ)氏:増井技術士事務所 代表

経歴
 1999年04月 大阪府立大学 総合科学部 数理・情報科学科入学
 2002年04月 大阪府立大学大学院 理学系研究科 数理・情報科学専攻に進学(飛び級)
 2004年03月 大阪府立大学大学院 理学系研究科 数理・情報科学専攻修了
 2004年04月 大手セキュリティ企業 入社
 2011年05月 増井技術士事務所 設立
専門> 
  ソフトウェア開発、情報セキュリティ、ビジネス数学
主な著書> 
 「基礎からのプログラミングリテラシー」(技術評論社/2019年)
   「IT用語図鑑」(翔泳社/2019年)
   「プログラマのためのディープラーニングのしくみがわかる数学入門」(ソシム/2018年)
   「図解まるわかり セキュリティのしくみ」(翔泳社/2018年)など

 

セミナー受講料

お1人様受講の場合 46,000円[税別]/1名
1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)
受講申込ページで2~3名を同時に申し込んだ場合、自動的に1口申し込みと致します。
※サブテキストとして、「プログラマのためのディープラーニングのしくみがわかる数学入門」
(増井敏克 著、ソシム/2500円(税別))を使用しますので、
お申込み時、備考欄に『サブテキスト希望』と記入してください。
受講料、テキスト代(実費)を合わせて請求させていただきます。

セミナー趣旨

 人工知能やディープラーニングという言葉が頻繁に使われ、多くの人が試そうとしています。
多くのライブラリやフレームワークも登場しており、試すだけならば難しくありません。
すでに作られたライブラリを使う場合、たった数行のソースコードを書くだけで実現できます。
ただ、このような方法で実装すると、処理の裏側がまったくわかりません。
また、ディープラーニングや機械学習に関する専門書を読もうとすると、大量の数式が登場します。
しかも、その内容は高校までの数学の範囲を超えており、文系で過ごしてきた人には
さっぱり理解できません。
 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

 1 プログラマのための数学の学び方
  1.1 数学が求められる背景
  1.2 プログラマにとっての数学との付き合い方
  1.3 ディープラーニング以外への活用
  1.4 継続して学ぶしくみづくり
  1.5 学ぶ体制、開発環境の整備

 2 ディープラーニングの概要
  2.1 人工知能と機械学習
  2.2 ニューラルネットワークとは
  2.3 誤差逆伝播の考え方

 3 数列と統計、確率
  3.1 数列と漸化式
  3.2 数列の和(シグマ記号)
  3.3 平均、分散、標準偏差
  3.4 データの標準化
  3.5 データの分布
  3.6 確率と確率分布
  3.7 条件付き確率
  3.8 ベイズの定理
  3.9 標本と推定

 4 ベクトルと行列
  4.1 ベクトル
  4.2 内積
  4.3 行列
  4.4 逆行列と連立方程式

 5 関数と微分
  5.1 関数と最小値
  5.2 微分と偏微分
  5.3 勾配ベクトル
  5.4 回帰分析
  5.5 勾配降下法

 6 ディープラーニングにおける学習
  6.1 損失関数とは
  6.2 モデルの評価(交差検証)
  6.3 過学習と未学習
  6.4 畳み込みニューラルネットワーク

 7 データの用意
  7.1 必要なデータの形式と量
  7.2 組織でのデータの調達と準備
  7.3 よく使われるデータと特徴
  7.4 外部のデータの活用