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