150 分で学ぶ高校数学の基礎
[重要なお知らせ (2023/8/12)] 現在，スライドの p.10 に不十分な記述があります．ルートの答えは 0 以上の数に限定することに注意してください (たとえば -3 を 2 乗しても 9 ですが，ルート 9 は -3 ではありません)．なお，現在筆者のパソコンが修理中でデータがないので，修正は 1 週間後となります． [目次] 第1章 数学の基礎知識（p.5～） 第2章 場合の数（p.31～） 第3章 確率と期待値（p.56～） 第4章 統計的な解析（p.69～） 第5章 いろいろな関数（p.103～） 第6章 三角比と三角関数（p.141～） 第7章 証明のやり方（p.160～） 第8章 ベクトル（p.187～） 第9章 微分法と積分法（p.205～） 第10章 その他のトピック（p.240～） スライドのまとめ（p.254～）
新資格「データサイエンス数学ストラテジスト」が9月21日から開始 機械学習やビジネス活用も問われる | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
文系大学生が無料のPython入門講座を受けてみた 必要な数学知識も簡単に学べる | Ledge.ai
2021年上半期にAI（人工知能）関連メディアであるLedge.aiで公開した記事のうち、反響の大きかったもの再掲します（※初公開日：2021年4月24日）。 今回は株式会社キカガクが提供する「Python & 機械学習入門」を受けてみました。約9時間の講義がすべて無料で受けられます。 本講座は、機械学習に必要な数学の基礎、Google Colaboratoryを用いた実装を学べる講座です。必要なところだけを絞って説明されるのでわかりやすく、基礎を習得できます。カリキュラムは以下のとおりです。 導入微分線形代数単回帰分析重回帰分析１Python速習単回帰分析の実装重回帰分析の実装演習問題統計重回帰分析2「導入」では、主に機械学習についての説明があります。AI・ディープラーニングとの関係性や、機械学習ではどの数学知識が必要なのか言及しています。初めての人は「微分」と「線形代数」を学びましょう
セガ、社内勉強会用の数学資料150ページ超を無料公開「これはすごい」「素晴らしい！」 | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
PythonやAIのための数学の基礎を学べる講座が無料に | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
スタートレックのオタクが放送大学で理数系の基礎教養を学んだ話 -
卒業しました 2021年3月で自然と環境コースを卒業しました。6年間在学しました。 どなたかのお役に立てばと思い、記録を残します。 動機の部分はただの長い自分語りなので、情報だけ得たい方は適当に飛ばして先に進んでください。 卒業しました 高卒からのスタート ドラマ視聴時間とWikipediaサーフ時間の置き換え 自然科学の勉強ができる通信制は少ない 単位取得の流れ 勉強の進め方 勉強した科目 使える学割 学生の交流 放送大学エキスパート（科目群履修認証制度） 卒業式 卒業して 高卒からのスタート まず私について簡単にお話しします。 現在アラフォーで、放送大学には30代半ばで入学しました。 高校は普通科ではなかったので進路は推薦枠の大学か専門学校に進学する気でいたのですが、興味の方向が複数あり選びきれないでいるうちに、学費の桁と待ち受ける更なる貧乏生活に怖気づいて、進学をやめ目の前のお賃金に
線形代数とは？初心者にもわかりやすい解説 | HEADBOOST
「線形代数を簡単に理解できるようになりたい…」。そう思ったことはないでしょうか。当ページはまさにそのような人のためのものです。ここでは線形代数の基礎のすべてを、誰でもすぐに、そして直感的に理解できるように、文章だけでなく、以下のような幾何学きかがく的なアニメーションを豊富に使って解説しています。ぜひご覧になってみてください（音は出ませんので安心してご覧ください）。 いかがでしょうか。これから線形代数の基礎概念のすべてを、このようなアニメーションとともに解説していきます。 線形代数の参考書の多くは、難しい数式がたくさん出てきて、見るだけで挫折してしまいそうになります。しかし線形代数は本来とてもシンプルです。だからこそ、これだけ多くの分野で活用されています。そして、このシンプルな線形代数の概念の数々は、アニメーションで視覚的に確認することで、驚くほどすんなりと理解することができます。 実際のと
数学ガールオタクが初見VTuberの積分配信にめちゃくちゃ感動したメモ1｜kqck
私はタイムラインとトレンドを一切見ないタイプのツイ廃なので、流行の話題に乗り遅れることが多々ある。（それでいいと受け入れている） そのため「不登校だった（？）VTuberが積分についてイチから勉強する配信」が少し前に話題になっていたらしいと今さら知った。 私はVTuberのオタクではない。ときどきのらきゃっとさんの放送を観るくらいで、今をときめくホロライブとかにじさんじについては何も知らない。 ただ、私は数学ガールのオタクである。 数学ガールとは、ラノベ風の数学読み物シリーズだ。ラノベと言っても、扱う数学は高校〜大学レベルかそれ以上と、ガチである。（派生した『数学ガールの秘密ノート』シリーズでは中学〜高校レベルの易しい内容を扱っている） 私は本当に数学ガールシリーズが好きで好きでたまらなく、約1年前からはレビュアーとして出版前の原稿を読ませて頂いている。だから「著者からの回し者とかではござ
競技プログラミングに関係する数学の整理 ～文系出身や数学苦手erが、もっと競プロを楽しむために～ - テルの競プロメモ
まえがき この記事の目的 意図する対象読者 今回の整理の仕方（記事の見方） 注意 競プロに関係する数学（本題） 言葉（文系でも多分聞いたことはある）編 言葉（文系だと聞いたことないかも）編 言葉（離散数学）編 「式変形」編 「図形っぽいやつ」編 筆者のバックグラウンド 経歴、仕事など まえがき この記事では、競技プログラミングに関係する数学用語・概念と、それがどんな単元（分野）に属するものかを整理（一覧化）します。 競技プログラミングの問題に出てくる用語・概念をはじめ、競技プログラミングの解説記事などに出てくる用語・概念も、思いつく限り挙げています。 「この記事の数学的な部分、どのぐらい信用できるの？」とか、「数学苦手と言ってもどのくらい苦手なの？」といった疑問への参考としては、筆者のバックグラウンドを記事の最後で紹介したので、気になる方は先にそちらを読んでください。 この記事の目的 文系
積分とは・対数とは・微分とは〜「分かる」とはどういうことか〜
文系向け「統計学」の授業で、積分・対数・微分を復習する機会があった。その時の「1枚スライド」を公開した。この図をめぐって、「分かる」とはどういうことか、について多くのコメントをいただいた。それを、まとめました。（話が同時並行で進行するので、スレッド風の「まとめ」です。） 注意：積分は、統計学の場合、正規分布表を見るために必要。対数の必要性は、尤度関数（尤もらしさ）の対数をとって計算を簡単にする式変形で使うため。微分の必要性は、確率密度関数の最大値（尤度最大の条件）を求めるため。どれも統計学で必須の内容。 注意２：（追記8/6）ここに出てくる「指数、対数、微分、積分」は「感染症の数理モデル」の基礎となっている。 注意３：（追記8月9日）番外編『「積分」と「源氏物語」〜「晩年の清少納言」から「京都女子大」まで』へのリンクはこちらです。https://togetter.com/li/157284
文系社会人が統計のために１から高校数学をやりなおしました｜hanaori
こういう人間です ・ 文系（英文学科） ・ Webエンジニア ・ 統計を勉強中モチベーションここ２年ほど統計を勉強しているのですが、そこで毎回立ちふさがるのが数学の壁でした。わたしは文系ということもあって数ⅡB（しかも途中まで）しか履修していなかったため、微分積分や線形代数などが出てくると理解することが難しく時間がかかってしまいます。 でももっと統計を知りたいし理解したい 😭 という気持ちをずっと感じていて今回数学をやり直すことにしました。 高校３年分と考えるとなかなか決心するのに時間がかかりましたが、やってよかったと思います。スケジュール感や実際使った本などを共有することで同じような方の参考になればよいなあ、と思います。 実際使用した本 ・ 講座■ よくわかる数学シリーズ 主にMY BESTシリーズを使用しました。カラーで説明もわかりやすく、目にも心にもやさしい仕上がりになっております
数学を勉強する時におすすめのツール｜hanaori
少し前に高校数学をやり直したのですが、徐々に勉強スタイルが整ってきたので使って便利だったツールをまとめておこうと思います。 今から勉強はじめようと思ってる方や、もうすでにはじめられてる方の参考になればうれしいです。 GeoGebra Graphing Calculator 数式を入力するとグラフを描いてくれます。 Webブラウザやスマホ・iPadのアプリでも使用でき、ぱっとグラフの形を確認したいときにとっても便利です。 Webブラウザや iPad などでも使用できます。 Wolfram Alpha図を描いてくれるところは GeoGebra に似ていますが、こちらは入力された数式などに対して構造化されたデータを用いて適切な結果を返してくれる検索エンジンのようです。 いろんなWebページをインデックスして検索結果を返す Google などとはまた違っておもしろいですね。 GeoGebra は非
連休中に「ディープラーニングの数学」と「身近な数学」と「Google Colaboratory（Python）」でじっくり数学を復習しました - karaage. [からあげ]
「最短コースでわかる ディープラーニングの数学」「身近な数学」を読む GW（ゴールデンウィーク）中は日経BPさんから献本いただいた「最短コースでわかる ディープラーニングの数学」（以降ディープラーニングの数学）と、ほけきよ（id:imslotter）さんから献本いただいた「身近な数学」と数学と名のつく本2冊をじっくり読みました。 全然違う繋がりで献本いただいた両本ですが、奇しくも同じ「数学」というキーワードがタイトルにあるということで、大胆にもまとめて書評を書いてみたいと思います（笑） また、両者とも付録として、内容の理解を深めるためのPythonコードがGitHubで公開されているのですが「Google Colaboratory」（以降Google Colab）を使うことで、Python環境を構築することなく、手軽にコードを実行できることが分かったので、その活用方法も合わせて紹介しようと
![連休中に「ディープラーニングの数学」と「身近な数学」と「Google Colaboratory（Python）」でじっくり数学を復習しました - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/1eb74cedf2a908dd2b9ebff4e9cfec4ee41fc670/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20190416%2F20190416010937.jpg)
人工知能の機械学習で必要な数学の基礎はUdemyで学べる【必見】｜QOLONY Works Laboratory
人工知能や機械学習を学びたいと考えている人「人工知能や機械学習のことを学びたいと思うんだけど、数学に自信がないなぁ。本とかも難しそうだし。人工知能や機械学習に必要な数学ってみんなどうやって勉強しているんだろう？ AI、人工知能、機械学習、ディープラーニングなど、テクノロジーや技術に関わっている人だと、やっぱり興味を持ちますよね。 最近ですと、文系のビジネスマンでもこの分野を学び始めている人が多いです。 今回は、『人工知能の機械学習で必要な数学の基礎はUdemyで学べる【必見】』と題していますが、やっぱりおすすめはUdemyというオンライン動画サービスですね。 ≫ Udemyのサイトはこちら Udemyでは、機械学習で必要な数学が学べるおすすめのコンテンツがあります。 そちらが、以下ですね。
線形代数の知識ゼロから始めて行列式「だけ」理解する - アジマティクス
この記事は、線形代数において重要な「行列式」の概念だけを、予備知識ゼロから最短距離で理解したい人のための都合のいい記事です。 そのため、わかっている人から見れば「大雑把すぎじゃね？」「アレの話するんだったらアレの話もしないとおかしくね？」という部分が少なくないかもですが、趣旨をご理解いただいた上でお付き合いください。明らかな間違いに関しては、ご指摘いただけますと助かります。 線形変換 ↑座標です。 座標を変形することを考えます。つまり、座標変換です。 座標変換にもいろいろあって、以下のようにグニュッと曲げたやつ も座標変換には違いありませんが、今回ここで考えるのは線形変換だけにします。線形変換とは大雑把に言えば「すべての直線を直線に保つ」「原点を動かさない」という条件を満たす変換です。 そういう変換には例として、伸ばしたり縮めたりの拡大・縮小（scale）、原点中心に回す回転（rotate
AIは「単なる関数」、数学は「言語の一つ」、「文系出身」でも問題ない――Pythonで高校数学の範囲から学び始めよう：「AI」エンジニアになるための「基礎数学」再入門（1） - ＠IT
AIは「単なる関数」、数学は「言語の一つ」、「文系出身」でも問題ない――Pythonで高校数学の範囲から学び始めよう：「AI」エンジニアになるための「基礎数学」再入門（1） AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。初回は、「AIエンジニア」になるために数学を学び直す意義や心構え、連載で学ぶ範囲について。 AI人材の不足 2015年にDeep Learningを利用したモデルが、画像認識率において人間を上回る結果を残したことを皮切りに、世の中はAIブームに突入しました。その勢いはすさまじく、業界を問わずビジネス形態が目まぐるしく変化しています。世界中のサービスが即座に利用できてしまう現代では、各業界の各企業にとってのライバルは、もはや同業他社だけではありません。これからの時代は、Googleをはじめとした最先端テック企業をライバルとして
本当に超初心者でもAIエンジニアになれるのか？
はじめにTeam AI Career (データ分析のお仕事紹介事業)では、 AIエンジニアになりたい方向けのキャリアセミナーを開催し、 お陰様で好評頂いているのですが、 最も多い質問が”ズブの素人でもAIエンジニアになれるのか？”という物です。 結論から言えば、 アプリケーションエンジニアになるより道は厳しく、 ブートキャンプやスクールに入っても離脱する人は多いです。 なので、2–3ヶ月軽く勉強すればドラえもんが自作できるかも！みたいな希望的観測は立てない方が良いのですが、 今後5–10年で、キャリア市場が “AIを使いこなして変革する側 vs AIにより業務の意味がなくなってしまう側”に別れるトレンドを考えると、 少なくともキャリアチェンジを思い立ち、 一定期間集中してAIエンジニア目指して努力することは人生にとってとてもプラスになると思うのでオススメです。 私のキャリアセミナーの内容は
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Loading...
「AI」エンジニアになるための「基礎数学」再入門 - ＠IT
研究生活tips垂れ流しbot on Twitter: "【統計検定を理解せずに使っている人のためにⅠ〜Ⅲ】 東北大学の池田郁男 先生による生物実験でよく用いる統計検定法を原理から、どのように使い分けるかまで数学が苦手な人(僕)でもわかるようにまとめられている。… https://t.co/B1P7QzTRVV"
