このページについて ※特に断らない限り、圏はlocally smallであると仮定しています。 ※上から順に読むことを想定しています。 ※定義が書いてない言葉があったりするので、その場合はnLabを見るなりしてください。 ※選択公理は特に断らず使います。 意見・質問・感想・誤字や数学的間違いの指摘などはTwitterまでお願いします。 ★お知らせ★　このページのPDFが紙の本になりました。↓のリンクから購入することができます。 全ての概念はKan拡張である: 第0章～第2章(Cauchy完備化は除く) 全ての概念はKan拡張であるII～豊穣圏論～: 第3章 2-category、豊穣圏 ■PDFの量が多すぎると思うので第0章～Kan拡張のPDF(kan_extension.pdf)までの内容を短くまとめたPDFを作りました⇒可能な限り最短でKan 拡張に到達する　(2023-09-06更新

0. はじめに: 「数え上げ」という分野について 「条件を満たすものを数え上げる」タイプの問題にはパズルのような楽しさがあります。そのような問題のうち簡単なものは高校数学の「個数の処理・確率」で学ぶのですが、その先にも奥深い世界が待っています。 例: 数え上げテクニック集　(DEGwer さん) 例: 数え上げおねえさん　(ERATO 湊離散構造処理系プロジェクト) 本記事では数え上げ問題を解くと度々登場する「写像12相」について整理します。写像12相の中でも特に高度なスターリング数と分割数をメインに取り上げます。これらのテーマが直接的に登場する問題はあまり多くはないですが、包除原理や動的計画法といった技法を学べる格好の題材です。簡単な部分についても重複組合せなどの教育的要素を多く含んでいます。 そんな事情もあって、chokudai さんも「競プロで使う基礎的な数学は写像12相がわかればと

機械学習の分野にも「解決できるかどうか証明も反証もできない問題」が存在することが発見され、その論文が話題になっている。 機械学習によって解決できるかどうかが証明不可能な学習モデルが発見される - GIGAZINE Learnability can be undecidable | Nature Machine Intelligence 論文『Learnability can be undecidable（学習可能性は決定不能でありうる）』は、連続体仮説に言及していて、連続体仮説を使ってある抽象的な機械学習に関する問題が通常の数学の公理系では「証明」も「反証」もできないということを証明している。 連続体仮説には思い入れがあって、一時期  『集合論―独立性証明への案内』  を頑張って読んでいた（読めたとは言っていない）。今も実家にはその勉強ノートが何冊か眠っている。 興味津々で GIGAZIN

トロピカル半環と呼ばれる代数構造上のトロピカル行列を利用すると動的計画法を使ってグラフの最短経路の距離を計算するという問題が単純な行列積で解けてしまうらしい。そんな噂12を聞きつけて我々はその謎を解き明かすべく南国（トロピカル）の奥地へと向かった。 トロピカルな世界に行くためにはまずは代数を知る必要がある。要するに群・環・体の話だ。しかしこの記事の目的は代数学入門ではないので詳しい話は他の記事3に譲るとし、さっそく半環という概念を導入する。それは 半環は以下の性質を満たす二つの二項演算、即ち加法（和）"$+$" と乗法（積）"$\cdot$" とを備えた集合$R$を言う $(R, +)$ は単位元 $0$ を持つ可換モノイドを成す: $(a + b) + c = a + (b + c)$ $0 + a = a + 0 = a$ $a + b = b + a$ $(R, \cdot)$ は単

筑波大学計算機数学グループ春の館山合宿での講演「数学プログラムを
Haskell で書くべき６の理由」の発表資料。実際の講演映像は https://www.youtube.com/watch?v=S4_7KVNA-Ww Read less

ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement LearningPreferred Networks

PFI 社内セミナーで発表した Gröbner 基底に関するざっとした資料です。 動画：http://www.ustream.tv/recorded/45083535 http://www.ustream.tv/recorded/45083876

はじめに 少し前(2019年4月頃)に、「AI人材」という言葉がニュースを賑わせていました。「現在流行っているディープラーニングその他を使いこなせる人材」くらいの意味だと思いますが、こういうバズワードの例の漏れず、人によって意味が異なるようです。併せて「AI人材のために線形代数の教育をどうするか」ということも話題になっています。 線形代数という学問は、本来は極めて広く、かつ強力な分野ですが、とりあえずは「行列とベクトルの性質を調べる学問」と思っておけば良いです。理工系の大学生は、まず基礎解析とともに線形代数を学ぶと思います。そして、何に使うのかわからないまま「固有値」や「行列式」などの概念が出てきて、例えば試験で3行3列の行列の固有値、固有ベクトルを求め、4行4列の行列の行列式を求めたりしてイヤになって、そのまま身につかずに卒業してしまい、後で必要になって後悔する人が出てきたりします(例え

ゲーム作りとかCGとかに関わる数学(初歩)① 今回HIKKYさんのアドベントカレンダーに投稿するにあたって、別の温めてたネタはあったんですが諸事情により封印してしまったので、何か別のテーマにしようと考えました。 で、色々考えたのですが、特に思いつかなかったのでCG数学の初歩的な話をしようかなと思います。実際VKetCloudの中でも基本的な数学は必ず使われてますし。 あと「ゲームメーカーズ」さんの記事でも取り上げていただいた、僕のCEDEC+KYUSHU2023の数学のお話がやたらとウケがよかったため、数学の話で行くことにしました。 で最初に書いておくと、書きたかったことの半分もかけていません。 時間の都合上と、あと数式と頭が多すぎるのか、このドキュメントの編集が何度も落ちるからです。 と言うわけで、今回は概要と三角関数とベクトルの話だけにします。 あとは年末年始休みの間にでも続きを書きま

はじめにお前は誰やねん解析学を研究している博士課程の2年生。 この記事の目的もし大学1年生の自分に会えたら数学の勉強についてアドバイスしたいことがいくつかあるので、それを簡単にまとめたい。現在進行形で学部生をやっている人の参考になれば嬉しい。ただし、あくまで個人的な考えであり、視点が偏っているので、鵜呑みにはしない方が良い。 最初にやるべきことできる限り早い段階で集合と写像の言葉を覚えよう。微分積分や線形代数より先にこちらをやった方が良い。そもそも集合と写像の言葉は大学数学をやっていくうえで必要不可欠であり、微分積分や線形代数さえこれらの知識がなければ十分には理解できない。それから、定義に従って厳密に議論できるようにならなければ、そもそも大学数学のスタートラインにさえ立てない。集合と写像の勉強はその習得に適していると思う。 ちなみに、僕がこの「スタートライン」に立てたのは学部1年後期だった

こういうツイートが話題になっていた。 「配列のすべての要素が条件を満たすならtrueを返す」関数を定義するとき、空の配列を渡したらfalseを返すかtrueを返すかが、良いプログラマかどうかの一つの境目だ— ふみ (DJ Monad) (@fumieval) 2023年5月29日 つまりScalaで言うと次のようなコードが何になるか、というものである。 val xs = Seq.empty[Int] xs.forall(_ == 42) 結論から言うと、このような関数は常にtrueを返す。 なぜだろう？その理由をこれから説明する。 ちなみに他に以下のような意見があった: 仕様による 例外を投げるべき いずれもまぁありえなくはないが、やめておいたほうが良いと思う。もし仮にfalseを返すような仕様があった場合、それは数学から乖離しているのでいずれ仕様内部で矛盾する可能性が高いし*1、最終的に

[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～）

The document describes various probability distributions that can arise from combining Bernoulli random variables. It shows how a binomial distribution emerges from summing Bernoulli random variables, and how Poisson, normal, chi-squared, exponential, gamma, and inverse gamma distributions can approximate the binomial as the number of Bernoulli trials increases. Code examples in R are provided to

はじめに プログラミング自体は文系、理系、年齢関わらず勉強すればある程度ものになります。プログラミングがある程度できるようになるとTensorflow,PyTorchやscikit-learn等のライブラリで簡単にできる機械学習やデータサイエンスに興味を持つの必然! これからさらになぜ上手くいくのか・いかないのかの議論をしたい、社内・外に発表したい、理論的な所を理解したい、先端研究を取り入れたい、応用したい等々と次々に実現したい事が増えるのもまた必然でしょう。このときに初めて数学的なバックグラウンドの有無という大きな壁が立ちはだかります。しかし、数学は手段であって目的ではないので自習に使える時間をあまり割きたくないですよね。また、そもそも何から手を付けたら良いかわからないって人もいるかと思います。そんな人に向けた記事です。本記事の目標は式の意図する事はわからんが、仕組みはわかるという状態に

0. はじめに こんにちは、大学 1 年生になったばかりの E869120 です。本記事は、 アルゴリズム・AtCoder のための数学【前編：数学的知識編①】 アルゴリズム・AtCoder のための数学【中編：数学的知識編②】 からの続きです！！！ ※前編・中編を読んでいなくても理解できる、独立したトピックになっているので、ご安心ください。 後編から読む方へ 21 世紀も中盤に入り、情報化社会が急激に進行していく中、プログラミング的思考やアルゴリズムの知識、そしてアルゴリズムを用いた問題解決力が日々重要になっています。 しかし、アルゴリズム構築能力・競プロの実力は、単純にプログラミングの知識を学ぶだけでは身につきません。近年、数学的なスキルが重要になりつつあります。実際、私はこれまでの経験で「数学の壁で躓いた競プロ参加者」をたくさん見てきました。そこで本記事では、 AtCoder のコン

4. アルゴリズムと密接に関わる数学＜中級編＞ 2 章では問題文を読むために必要なテクニックを 12 個のポイントに絞ってまとめました。しかし、競プロに出題されるようなアルゴリズムだけを考えても、数学と結びつく場面はまだまだたくさんあります。例えば、 3-2. 節では、二分探索の計算量 $O(\log N)$ と対数関数の関係 3-6. 節・3-7. 節では、幾何計算と三角関数・ベクトルの関係 3-11. 節では、経路の数の計算とフェルマーの小定理の関係 について紹介してきました。4 章ではさらに追加で 8 個のトピックを紹介し、アルゴリズムを数学的側面から捉えていきたいと思います。皆さんにアルゴリズムと数学が如何に密接に関わっているかを体感してもらうことが最大の目標です。 なお、3 章・4 章の構成は次のようになっています。 4-12. 最大値検索に学ぶ、微分法（レベル：3） まず、次の