Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Python × 数学ブートキャンプガイド
Search
Etsuji Nakai
April 25, 2023
Science
1
650
Python × 数学ブートキャンプガイド
このスライドはコミュニティイベント「Python x 数学ブートキャンプガイド」での発表資料です。
https://math-coding.connpass.com/event/279924/
Etsuji Nakai
April 25, 2023
Tweet
Share
More Decks by Etsuji Nakai
See All by Etsuji Nakai
Lecture course on Microservices : Part 1
enakai00
1
2.7k
Lecture course on Microservices : Part 2
enakai00
1
2.6k
Lecture course on Microservices : Part 3
enakai00
1
2.6k
Lecture course on Microservices : Part 4
enakai00
1
2.6k
JAX / Flax 入門
enakai00
1
360
生成 AI の基礎 〜 サンプル実装で学ぶ基本原理
enakai00
7
3.5k
大規模言語モデルを支える分散学習インフラ Pathways
enakai00
3
430
Riemann幾何学ユーザーのための情報幾何学入門
enakai00
0
330
量子光学理論入門
enakai00
0
220
Other Decks in Science
See All in Science
プロダクト開発を通して学んだナレッジマネジメントの哲学
sonod
0
130
WeMeet Group - 採用資料
wemeet
0
2.6k
Raccoon Roundworm
uni_of_nomi
0
140
All-in-One Bioinformatics Platform Realized with Snowflake ~ From In Silico Drug Discovery, Disease Variant Analysis, to Single-Cell RNA-seq
ktatsuya
0
200
20分で分かる Human-in-the-Loop 機械学習におけるアノテーションとヒューマンコンピューターインタラクションの真髄
hurutoriya
4
2.1k
ウェーブレットおきもち講座
aikiriao
1
780
『データ可視化学入門』を PythonからRに翻訳した話
bob3bob3
1
470
論文紹介: PEFA: Parameter-Free Adapters for Large-scale Embedding-based Retrieval Models (WSDM 2024)
ynakano
0
130
【健康&筋肉と生産性向上の関連性】 【Google Cloudを企業で運用する際の知識】 をお届け
yasumuusan
0
300
Презентация программы магистратуры СПбГУ "Искусственный интеллект и наука о данных"
dscs
0
360
最新のAI技術を使った材料シミュレーションで材料研究現場に変革を
matlantis
0
740
様々な侵入者タイプに対応した適切な警備計画の策定 / Patrol route design considering various types of intrudes
konakalab
0
170
Featured
See All Featured
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
29
1.7k
Learning to Love Humans: Emotional Interface Design
aarron
272
40k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
25
1.7k
Keith and Marios Guide to Fast Websites
keithpitt
408
22k
Building a Scalable Design System with Sketch
lauravandoore
459
32k
Designing Experiences People Love
moore
138
23k
In The Pink: A Labor of Love
frogandcode
139
22k
Six Lessons from altMBA
skipperchong
26
3.4k
Building Applications with DynamoDB
mza
90
6k
A Tale of Four Properties
chriscoyier
156
22k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
9
970
Atom: Resistance is Futile
akmur
261
25k
Transcript
Python × 数学ブートキャンプガイド 2023/04/29 中井悦司 / Etsuji Nakai このスライドはコミュニティイベント「Python x
数学ブートキャンプガイド」での発表資料です。
中井 悦司 / Etsuji Nakai $ who am i 新発売!
AI / 機械学習と数学の関係
None
None
「機械学習モデルの設計」とは? • 世の中に現れるデータは、何らかの「理論」に従って発生しているはず • 背後の「理論」が完璧に分かれば、すべてのデータを正確に予測できるはず ◦ 例:天候変化の理論が完璧にわかれば、天気予報は絶対に当たるはず • 現実には、完璧な理論はわからないので、まずはシンプルな数式でどこまで当 たるか試してみる
⇨ いきなり複雑なものを考え出すと、選択肢が多過ぎてどれがよいか分からな いので、シンプルなものから徐々に複雑なものへと変えていくのがよい 「数理科学」の信念? 機械学習の考え方
最もシンプルなモデル = 線形モデル • 一次関数で予測する • 計算が高速 • 入力データを工夫することで実用的 な予測も可能
• 線形多項分類器 ⇨ 分類したい個数分だけ一次関数 を用意 いわゆる 「特徴量エンジニアリング」 複数の一次関数をまとめて処理する テクニック(=線形代数)が活躍!
ニューラルネットワークも線形代数が基礎 • 分類問題であれば、最後は、線形多項分類器で予測 • 前段部分は、入力データから分類に適した「特徴量」を抽出するフィルターの ようなもの
ニューラルネットワークも線形代数が基礎 • 分類問題であれば、最後は、線形多項分類器で予測 • 前段部分は、入力データから分類に適した「特徴量」を抽出するフィルターの ようなもの 最後は 一次関数で予測 入力データを変形して、 予測に役立つ情報を抽出
None
確率モデル = 確率値を予測する • 世の中には、本質的に「確率的に発生する データ」が存在する • 「あるデータが得られる確率」を計算する 確率モデルを構築する •
誤差関数 =「モデルが予測する確率で発生 させたデータ」と「実際に観測されたデー タ」がどの程度一致するかを表す指標 ※ 詳しくは小島さんパートで! 「数理科学」の考え方
None
モデルの学習:誤差関数を最小にするパラメーターを求める • 勾配降下法:「微分計算=グラフの傾き」という関係を利用して、誤差関数小 さくする方向にパラメーターを修正 ※ 詳しくは辻さんパートで!
None
Explainable AI(説明可能な AI) • モデルが入力データからどのような情報を抽出しているのかを理解する • 抽出された情報の関係を幾何学的に理解する際に「集合と位相」が役立つ 最後は 一次関数で予測 入力データを変形して、
予測に役立つ情報を抽出
データの配置を幾何学的に理解する ※ 詳しくは小島さんパートで!
Thank you!
線形代数
参考資料
記事内で取り扱っているトピック • 行列計算(和・差・スカラー倍・行列積) • 行列式と逆行列 • 平面ベクトルの一次変換 • 空間ベクトルへの拡張 回転処理を行う
サンプルコードを掲載
特に工夫したポイント • 一次変換のイメージを数式とあわせて、いかに分かりやすく伝えるか
一次変換の定義 変換前 変換後 A
一般のベクトルは、標準基底の線形和になっている 標準基底
一次変換 = 係数を固定して、標準基底を変換
標準基底を回転すると平面全体が回転する の場合
一次変換を表す行列は、標準基底の行き先を並べたもの 45 度回転を 表す行列 の行き先 の行き先
一次変換を表す行列は、標準基底の行き先を並べたもの
一次変換による平面の変形例
行列式は一次変換の拡大率
Thank you!