AI 開発のための数学のキホン~微分・線形代数・行列~|一押しコースの見どころ、紹介します!

「イチオシ」のコースを企画者にインタビューして、そのコースが何に効くのか、どんな思いがあって作ったのか、語ってもらう「見どころ紹介」コーナー。
今回は AI 分野から AI 開発のための数学のキホン~微分・線形代数・行列~ を紹介します!

株式会社SEプラス
e&TS Division
コース情報
ジャンル | AI |
---|---|
レベル | 初級 |
コース一言紹介 | AI 開発に欠かすことのできない数学の基礎知識「微分・線形代数・行列」について解説します。 |
これからの開催予定 | 2022 年 7 月 25 日、 2022 年 8 月 18 日、 2022 年 9 月 15 日 |
開催形式 | オンライン研修 |
研修スタイル | 座学 |
見どころ紹介
―― このコースを企画した背景を教えてもらえますか?
―― わかります。 ノーコードで学習モデルを作るところまでは頑張れるのですが、そこから精度を上げようとすると、手が止まってしまいます
そこで必要になるのが 数学 です。 ですが、”機械学習” で必要になる数学は高校で理系選択した方や、大学数学で学ぶものなので、敷居が高いと捉えられがちです。
それを 3 時間の “短時間” で “わかりやすく” 学べるものが求められていると考え、このコースを企画しました。
―― いいですね! ただ … 、 “数学” と言っても、難しいのですよね?
必要な前提知識はございませんので、どなた様でもご参加可能です。 「数学を学び直したい、改めて取り組んでみたい」と思っている方にオススメできます。
―― それは安心ですね。 このコースを受講すると、どんな良いことがありそうでしょうか?
AI 開発でブラックボックスになりがちな学習モデルを理解する上で必要な基礎数学が学べることがポイントです。
なんとなく、ツールを使うのではなく、学習モデルを理解してチューニングできるようになります。
―― おお、学習モデルを理解できるようになるのですか! 具体的にどんなことを学べるのか、ちょっと詳しく教えてください
回帰などでは予測に誤差がでます。 1 つ目に学ぶことは誤差を最小にするときに使う微分、偏微分の基礎知識です。
また、機械学習でやっていることや学習モデルを表現するには、 1 つの x と 1 つの y のような単純な形式では表しきれません。 学ぶことの 2 つ目は、多次元に表現できる線形代数と、そこでよく使われる行列計算の基礎を学びます。
―― なるほど~、あの複雑なモデルを読めるように、ということですね。 いいですね
ただし、実際に AI 開発を行って、その学習モデルを説明したり、データ分析を行う研修ではございません。 あくまでも “偏微分” “線形代数” “行列” のみを扱います。
―― あくまで数学を学ぶ、ということですね。 了解です。 ちなみにこれと同じシリーズで他にありますか?
「 AI 開発のための統計学のキホン~統計検定準拠~」がございます。
機械学習では、このコースで学んだ微分・線形代数だけでなく、データの特徴をつかむ( = 分析する)ときに使う確率・統計も必要です。 そのキホンが学べます。
―― これで機械学習に必要な数学が学べるのですね! 次のコースも期待しています !!
では、最後に受講を考えている方や、研修を担当されている方にメッセージをお願いします!
現在では、機械学習、ディープラーニングが当たり前のように活用されています。 ライブラリも多くあり、数学の知識がなくとも簡単に操作できるものもあります。
さらに数学の知識があれば、よりチューニングを手早く、的確にできるようになります。
この機会に「微分・線形代数・行列」学びなおしませんか?

自動追尾台車「カルガモちゃん」を設計、製造するなど、機械設計、電気、電子回路設計および周辺知識に詳しい。現在では製品の性能向上のため主に機械学習を中心とした AI の研究も進め、センサーデバイスと組み合わせた IoT にも精通。そのほか Web アプリケーションフレームワークを使った EC サイトも構築するなど、まさしくフルタックな開発経験を持つ。
プライベートでは最近バイクを購入し、コロナが落ち着くのを見計らいながら、ツーリングを画策中。
label SEカレッジを詳しく知りたいという方はこちらから !!

IT専門の定額制研修 月額28,000円 ~/ 1社 で IT研修 制度を導入できます。
年間 670 コースをほぼ毎日開催中!!

SEプラスにしかないコンテンツや、研修サービスの運営情報を発信しています。
AI 開発はここ数年のノーコード、ライブラリ / エコシステムの発展で機械学習のアルゴリズムや数学を知らなくても、ある程度、開発できるようになりました。 ただし、いざ生成したモデルをチューニングしようとすると、どのパラメータを修正するのか、アルゴリズムを変えるのか、なんとなくやってしまい、途端に難易度が上がります。