[ディープラーニング専門家コース DL1231] バックプロパゲーションとヤコビアン行列

中高一貫課程で学ぶ数学の内容を凝縮した講義です。 必要な数学的知識やテクニックを、各項目ごとの豊富な演習とともに学びます。

数式作成のためのLaTeXの使い方を学ぶ講義です。

Pythonの基本的な文法について、多くの演習を行う講座です。 Pythonの文法と合わせて、機械学習やディープラーニングに用いられる実践演習を行う講座です。

仮想環境の概念と設定する方法を学びます。

Gradient-based Linear Regression (1)で直接実装したコードを、PyTorchの機能を利用して実践的なコードとして実装する方法を学ぶ講義です。また、データ前処理の必要性、理論、学習に与える影響を理論的に学び、実践的なコードで実装する講義です。

Gradient descentで最もシンプルな形のディープラーニングモデルを学習させる過程について完璧に理解する講義です。

ディープラーニングの最も核心的な学習アルゴリズムであるgradient descentを集中的に学習する講義です。

ディープラーニングを始めるために必要な基本的な微分法とPyTorchのAutograd機能を学ぶ講義です。

matplotlibライブラリを利用したデータの可視化を扱う講義です。

NumPyの使い方と、これを利用した実践練習を行う講義です。

[人工知能のためのPython]シリーズの第5回の講義です。Pythonの文法と合わせて、機械学習、深層学習に利用される実践練習を行う講義です。

[人工知能のためのPython]シリーズの4番目の講義です。 Pythonの文法とともに、機械学習、ディープラーニングに使用される実践練習をする講義です。

[人工知能のためのパイソン]シリーズの3回目の講義です。 パイソンコードをデバッグする方法について学びます。

[인공지능을 위한 파이썬]シリーズの2番目の講座です。 Pythonの文法とともに、機械学習、ディープラーニングで使われる実践演習を行う講座です。

線形代数学の最初の講義として、ベクトルとベクトルの演算を幾何学的に理解する講義です。

関数の極限、導関数、微分法、導関数の公式、微分の応用

機械学習、AI、ロボティクス、コンピュータビジョンなど、工学専攻者のための深みのある線形代数学です。 線形代数学を深く学びたい方に推奨します。 可能な限り分かりやすく説明しながら、テーマの選択と集中を通じて深い内容を扱っています。

AI/ディープラーニングに必要な線形代数の内容を1日10分投資して1ヶ月完成でマスターしてみましょう。

積分学における理論、数値近似、直感、および視覚化。数学プログラミングスキルを向上させましょう。

実習よりも理論と文脈に重点を置き、ディープラーニングを深く整理して全体像を把握したい方に役立つ講義です。ディープラーニングの根幹となる数学的・統計的背景を分かりやすく理解できるほか、AutoEncoder、GAN、Transformer、AlphaGoといった現代の主要モデルの原理を、開発者の視点から直感的に解説します。