AIのための線形代数 ― 矢印からAttentionまで

ベクトルと行列の意味を図で確認し、小さな例題で実際に計算する線形代数学の講義です。線形回帰・PCA・SVD・テンソル・Attentionで使われる数学を段階的に扱います。プログラミングの知識は必要ありません。

難易度 初級

受講期間 無制限

Machine Learning(ML)
Machine Learning(ML)
Deep Learning(DL)
Deep Learning(DL)
Artificial Neural Network
Artificial Neural Network
Linear Algebra
Linear Algebra
AI
AI
Machine Learning(ML)
Machine Learning(ML)
Deep Learning(DL)
Deep Learning(DL)
Artificial Neural Network
Artificial Neural Network
Linear Algebra
Linear Algebra
AI
AI
codingmax님의 프로필 이미지

・

修正済み

「AIのための線形代数学」新講義を明日の朝公開します


こんにちは、コーディングマックスです。

先日ご案内した「AIのための線形代数学」の新講座を、明日の朝(2026年10月29日)に全編アップロードする予定です。

お待ちくださった皆さま、ありがとうございます。

今回の講義は、線形代数を初めて学ぶ方にも無理なくついてきていただけるよう、基礎的な説明を大幅に補いました。ベクトルと行列の基本概念から、行列の乗算、記号表記まで、一つひとつ段階を追って説明し、学んだ内容が実際にどのように使われるのかについても取り上げます。

また、以下の5つのプロジェクトを通して、線形代数の概念が実際の技術へとつながっていく過程を追えるように構成しました。

  • 3Dレンダリングパイプライン — 3Dオブジェクトが2D画面に描画されるプロセス

  • 線形回帰

  • SVDを利用した画像圧縮

  • レコメンドシステム

  • アテンション — 言語モデルの核心構造

計算方法を身につけることからさらに一歩進んで、「なぜこれを学ぶのか、どこで使うのか」まで理解する一助になれば幸いです。

既存の講義動画と授業資料は、新しい講義のアップロード時点ですべて削除されます。

既存の資料が必要な方は、明日の朝、アップロード前までにあらかじめダウンロードしてください。

これまで講義を受講し、新しい講義をお待ちくださった皆さまに、心より感謝申し上げます。🙇‍♂️

コーディングマックスより。

コメント