機械学習を理解する上でカギとなる数学。数学をマスターすることは、機械学習エンジニアになるための最短コースと言えます。本講座では、なぜ機械学習で数学が必要なのかを、高校1年生レベルの数学を使って説明します。

連載
高校数学で学ぶ機械学習
目次
-
第2回 機械学習モデルとは
「線形回帰モデル」を高1数学で理解する
機械学習をマスターする上でカギとなる、「損失関数」。そのイメージをより具体的に持つため、簡単な例題をここで扱ってみましょう。解を導き出すのに少し時間がかかりますが、「偏微分」などの高度な数学は使いません。
-
第3回 代表的な機械学習モデル
真っ先に学ぶべきモデルはこれだ
分類機能を実現する機械モデルの種類には様々なものがあります。何から学べばよいか、各モデルの特徴と共に解説しましょう。
-
第4回 ディープラーニングの学習モデル
ディープラーニングに必要な数学とは
現在、機械学習を代表する存在であるディープラーニング。前回まで説明してきたように、機械学習の「回帰」モデルと「分類」モデルのうち、ディープラーニングでは分類モデルがメインに使われます。
-
第1回 機械学習モデルと学習方法
「学習」「予測」「関数」の関係を知る
機械学習を理解する上でカギとなるのが、数学です。難しそうに感じるかもしれませんが、機械学習に必要な数学は限られています。それをマスターすることは、機械学習エンジニアになるための最短コースと言えます。
日経クロステック Special
What's New
経営
- コンテナ特有の攻撃リスクと対処法とは?
- 【先進事例紹介】DXを迅速化する必須技術
- コンテナ監視の落とし穴を回避するには?
- 「改革支援メニュー」で課題ごとに対応
- 企業の組織課題解決に健康データを活用!
- 企業成長には「○○な人事戦略」が必要
- ハイブリッドな研修で研修効果を最大に!
- 事例紹介!DXで推進する働き方改革新時代
- 新しい働き方とはー。DX、人と組織の活用
- テレワークでも共同作業 その方法とは?
- 社員の本音を知って離職を防ぐ新技術
- ハイブリッドワークを成功させる秘訣とは?
- 「まずは電話で問い合わせ」が激減
- “正しいPDF”で時間もコストも削減
- 日本IBM、30社33部門に感謝状を贈呈
- Hondaのカーシェアが挑む価格戦略
- 「予算の組み替え」でDXの原資を生む方法