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
790
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
19
3.5k
GDG Tokyo 生成 AI 論文をわいわい読む会
enakai00
1
570
Lecture course on Microservices : Part 1
enakai00
1
3.6k
Lecture course on Microservices : Part 2
enakai00
2
3.6k
Lecture course on Microservices : Part 3
enakai00
1
3.5k
Lecture course on Microservices : Part 4
enakai00
1
3.5k
JAX / Flax 入門
enakai00
1
540
生成 AI の基礎 〜 サンプル実装で学ぶ基本原理
enakai00
7
3.9k
大規模言語モデルを支える分散学習インフラ Pathways
enakai00
3
510
Other Decks in Science
See All in Science
IWASAKI Hideo
genomethica
0
110
地表面抽出の方法であるSMRFについて紹介
kentaitakura
1
730
01_篠原弘道_SIPガバニングボード座長_ポスコロSIPへの期待.pdf
sip3ristex
0
520
05_山中真也_室蘭工業大学大学院工学研究科教授_だてプロの挑戦.pdf
sip3ristex
0
490
How To Buy, Verified Venmo Accounts in 2025 This year
usaallshop68
2
110
Valuable Lessons Learned on Kaggle’s ARC AGI LLM Challenge (PyDataGlobal 2024)
ianozsvald
0
390
ガウス過程回帰とベイズ最適化
nearme_tech
PRO
1
420
データベース09: 実体関連モデル上の一貫性制約
trycycle
PRO
0
680
「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
130
CV_3_Keypoints
hachama
0
190
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
130
学術講演会中央大学学員会府中支部
tagtag
0
270
Featured
See All Featured
VelocityConf: Rendering Performance Case Studies
addyosmani
330
24k
How to Ace a Technical Interview
jacobian
277
23k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.8k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
130
19k
Measuring & Analyzing Core Web Vitals
bluesmoon
7
480
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
233
17k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
124
52k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
43
2.4k
The Invisible Side of Design
smashingmag
299
51k
Build The Right Thing And Hit Your Dates
maggiecrowley
36
2.7k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Testing 201, or: Great Expectations
jmmastey
42
7.5k
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!