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
810
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
Agent Development Kit によるエージェント開発入門
enakai00
20
5.5k
GDG Tokyo 生成 AI 論文をわいわい読む会
enakai00
1
600
Lecture course on Microservices : Part 1
enakai00
1
3.7k
Lecture course on Microservices : Part 2
enakai00
2
3.6k
Lecture course on Microservices : Part 3
enakai00
1
3.6k
Lecture course on Microservices : Part 4
enakai00
1
3.6k
JAX / Flax 入門
enakai00
1
570
生成 AI の基礎 〜 サンプル実装で学ぶ基本原理
enakai00
7
4.1k
大規模言語モデルを支える分散学習インフラ Pathways
enakai00
3
520
Other Decks in Science
See All in Science
データベース09: 実体関連モデル上の一貫性制約
trycycle
PRO
0
980
論文紹介 音源分離:SCNET SPARSE COMPRESSION NETWORK FOR MUSIC SOURCE SEPARATION
kenmatsu4
0
290
「美は世界を救う」を心理学で実証したい~クラファンを通じた新しい研究方法
jimpe_hitsuwari
1
150
NASの容量不足のお悩み解決!災害対策も兼ねた「Wasabi Cloud NAS」はここがスゴイ
climbteam
0
110
機械学習 - SVM
trycycle
PRO
1
870
機械学習 - K近傍法 & 機械学習のお作法
trycycle
PRO
0
1.2k
CV_3_Keypoints
hachama
0
200
コンピュータビジョンによるロボットの視覚と判断:宇宙空間での適応と課題
hf149
1
300
academist Prize 4期生 研究トーク延長戦!「美は世界を救う」っていうけど、どうやって?
jimpe_hitsuwari
0
160
機械学習 - 授業概要
trycycle
PRO
0
230
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
150
データマイニング - グラフデータと経路
trycycle
PRO
1
210
Featured
See All Featured
Art, The Web, and Tiny UX
lynnandtonic
302
21k
Done Done
chrislema
185
16k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
The Power of CSS Pseudo Elements
geoffreycrofte
77
5.9k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
30
9.6k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
31
2.2k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.4k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
It's Worth the Effort
3n
187
28k
I Don’t Have Time: Getting Over the Fear to Launch Your Podcast
jcasabona
33
2.4k
How to Think Like a Performance Engineer
csswizardry
25
1.8k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
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!