カルマンフィルター2：EKF（拡張カルマン）、UKF（アンサンテッド・カルマン）、Particle Filter（パーティクルフィルター）

AIや機械学習の学習において、確率論の習得は必須です。より深く確率論を学びたい方に推薦します。

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奥深い線形代数学です。 線形代数学を深く学びたい方におすすめします。 できるだけ分かりやすく説明しながら、テーマを選び、重点を置くことで、深い内容を扱っています。

すべてのAI/ディープラーニングの核心は結論的に最適化です。もちろんAI/ディープラーニングでのみ最適化理論が必要なわけではありません。コンピュータビジョン、ロボティクス&制御システム、金融工学&クオンツ、データサイエンス、信号処理...おそらくどの分野を学んでも、もう少し深く入っていくと必ず出会うテーマの一つが最適化理論です。この講義では数学的な基礎理論から始まって深みのある内容まで体系的に扱っています。国内に開設された最適化理論講義の中で断然最高だと思います。

AI/ディープラーニング、コンピュータビジョン、コンピュータグラフィックスなどに必要な最適化理論です。最適化理論1では、主に多変数関数の定義と多変数関数の微分を扱っています。なぜでしょうか！すべての最適化問題は多変数関数の形式で表現されるからです。正確な多変数関数の定義と微分の概念を習得すれば、上記の分野の理論的アプローチが非常に容易になります。

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。

簡単な例を通して、カルマンフィルター（Kalman Filter）の理論的な動作原理を理解できます。