人工知能を学ぶために必要な数学分野・知識を統計専攻が暴露【AI機械学習のための数学】
22,411
Published 2022-05-04
※チャンネル登録者以外のコメントを管理画面上では非表示にしています。質問などはチャンネル登録後にしてもらえれば答えられます。
ーとんすけ'sプロフィールー
中学：ネトゲ廃人（2万時間プレイ）
高校：偏差値43の公立で英語欠点連発
大学：立命館大学数理科学科首席卒
大学院：ワシントン大学大学院（確率専門）
いま：データサイエンティスト・業務コンサル
ーーー機材等ーーー
・使用カメラ amzn.to/3dMd20q
・使用レンズ amzn.to/3oNuKH6
・ラインスタンプ www.line-tatsujin.com/detail/a426531.html
---ーー参考・出典---ーー
下記を参考（引用）させて頂きました。
※リンクはAmazonアソシエイトを含みます
※💛が無いコメントはシステム上読めてません
連絡先：[email protected]
#人工知能 #データサイエンス #大学数学
All Comments (21)
-
今回も、参考になりました！ ありがとうございます。
-
貴重な情報ありがとうございます！ 大昔、🇺🇸のカレッジで国際経営学部にて統計学も勉強してましたが綺麗サッパリ忘れてしまいました。とんすけさんの動画拝聴させて頂いて再度チャレンジするやる気と勇気を頂きました。これからも配信宜しくお願い致します！
-
フレームワークは偉い人が作ってくれるって笑 足し算できてもペアノの公理(？)だかはわからない人ほとんどだろうし、わかる範囲で使える物を使うってのが大事なんでしょうね。
-
データサイエンティストは純粋な数学力よりも、コンピュータサイエンスやソフトウェアエンジニアリング方面の能力が求められるからな
-
機械学習勉強中の身ですが、集めてくるデータと整形が上手く出来てれば、計算は勝手にやってくれるから、そこまで重要ではないなとは思えました！ モデルや関数を理解していないと正しく実装出来ないから、ある程度理論を理解するのに数学は必要かなとも思えました。
-
人工知能(ここではニューラルネットワークの事)もそうですが、カオス理論なんかも「なんかやってみたら興味深い結果が出たんだけど？」が始まりですからね。 フレームワーク自体の改良にはそれなりに高度な専門知識がどうしても必要。でもただ使うだけならそこまで要求は高くない。まさに。
-
文系が数学科のフィールドでどう戦うかをしっかり考えてから来たほうがいいよね…
-
とてもしっくり来ました。 今自分は大学3年生の数学科ですが、1年生の頃からDS業務をインターンでずっとやっています。 高度な分析ほどクライアントへの説明コストが高くて使わないなぁという判断で、結局使わないんですよね
-
私は、臨床検査技師で、細胞を検出するフローサイトメトリー業務に携わってますが、統計学の基礎を仕事でも使用いたします。２年前から勉強開始した線形代数や、微積分は、やはり、役に立っておりますね。特に、確率論は必要だと思います。とはいえ、東大出版の統計学入門レベルですが。
-
いつもありがとうございます。実学ですね。哲学、思想に堪えうるのですか。トランスコスモス、はじめて会長見てオペレーションの会社からDXに変えています。ワンマン、データエントリーでお世話になりました 会社出しても問題ないでしょう
-
多少偏微分出てくるので微積分は高3＋αくらいかもですね
-
文系ワイ、一応数3までは分かる(模試等に出てくる応用問題がしっかり解けるとは全く言ってない)のでいけそうな気がしてきた
-
統計力学的な考え方ってすごい出てきますよね。実務レベルなら物理系の方が向いていたりしないでしょうか？
-
今大学1年で、データサイエンスに興味があって統計検定とかとったりしたんですけど、具体的な将来のイメージが湧かなすぎて、何をすればいいのか迷子中です(データサイエンス業務のイメージがわからんです😢)。実際に稼ぎに繋げるために、どんなことをすればいいんでしょうか？アドバイスほしいです…🙇♀️(ちなみに統計検定二級、線形、微積学部一年レベルはわかってます)
-
使うだけならパッケージ使えば一瞬ですもんね
-
他分野から人工知能系の大学院に進学するために機械学習を学ぼうと思い、ネットでオススメされてた『わかりやすいパターン認識』を読んで見たんですけど全く意味がわかりませんでした。。。。。 初学者でも読めるし簡単な微積線形代数の知識だけで十分だとネットでは書いてあったんですけど、これは自分の微積線形代数（マセマレベル）の知識が足りなすぎるんですかね？
-
Machine learning の algorithms をPythonで一からcodingするとどの程度の数学が必要か分かりますよね。deep learningはかなりback propagation重要なのでconvolutionとかRecurrentになると線形代数の必要性を実感します。でも、MITとか HarvardとかYoutubeに授業載ってるのでlinear algebra, calculus, probability and statistics は勉強できると思います。Statistical RethinkingとUnderstanding AnalysisとProbabilistic Machine Learningを最近読んでいます。海外のおすすめの数学書とかありますか？今カナダにいてて大学にもいったことないのでないので詳しめに説明している英語の本があればありがたいです。今は機械学習の論文読むと初見では心が折れるレベルです。
-
逆に、機械学習の方が数学難しい気がします。 本屋でPRML の黄色本のページを開いて、そっと閉じました（笑）。 人間のニューロンも構造が単純と言えばそれまでですけど、DLも単純な構造がパラメータ増えるとあんなに色々な事が出来ると思うと、何か不思議な気がします。
-
人工知能で使われる、非線形の関数がどう影響与えてるかとか、数学で扱ってるのかな。
-
数学勉強し続けたい人にはどのような職業がオススメですか？
