
The Great Pirate Era of AI has begun.
sorryhyun96
Is this kind of introduction even important right now? Use the DeepSeek R1 model right away.
Beginner
Deep Learning(DL), LLM
ディープラーニングの根幹となる理論のコンセプトを正確に直感的に理解できるようサポートします。


ディープラーニングに必要な確率論、数理統計学、統計的検定
必須の線形代数、数式表記法
その他、最適化理論、ノンパラメトリック法など
ディープラーニングの急速な変化の中でも変わらず使われる基礎知識を扱います。
ディープラーニングの根幹となる理論を理解することは、ディープラーニングを理解するためにどんな概念が必要かを意味し、抽象的だが直感的な説明を通じて迅速に理解することができます。
以下は、第7回「 conditional or independence 」の説明最後の部分のキャプチャです。
理論中心で講義し、実習は進行しません。現在、DifyのようなクラウドchatGPT Agentのコーディング環境、Langchain、NPU-friendly OSなどのコーディング環境があまりにも急速に変化しているため、それよりは新技術の登場にも風化しない知識を伝えたいと思います。
まだディープラーニングの基本原理と呼ばれる古典的な機械学習技法
確率理論を活用した不確定性推論
数学の理論的アプローチと工学のヒューリスティックを組み合わせた最適化方法
上記3つの内容についてカリキュラムを構成しました。
Concept of statistics-based, linear models
統計技術と最適化理論を活用した基本的な機械学習技術について講義します。
線形代数、最適化、因果推論科目でできるだけ重要な内容だけを直感的にお届けします。
それだけでなく、必須の式や表現を読む方法をお届けし、深化過程に進むのに役立つようにお届けします。
Probabilistic inference
修理統計と情報理論が機械学習にどのように貢献したかについて講義します。
基礎確率理論、修理統計学、ベイジアン統計学、情報理論、Lower Risk Boundなど、従来は大学院カリキュラムで言及されている内容を含め、できるだけ直感的にお届けします。
Non-linear approaches
Manifold hypothesis、kernel trick、multi-dimensional probability distribution、non-parametric methodsなど、複雑な2000年代の理論がディープラーニングとどのように結びつくかを講義します。
Spaceのノンリニアな変換など、実質的なディープラーニングの動作に近い概念をお届けします。
偽研究所活動など知識共有の価値を目指し、直感的で正確なコンセプトを伝えようとする様々なセミナー経験をしてきました。
SIGUL 2024 workshop Program Committee、ACL 2023 emergency reviewer、EMNLP 2023 Invited reviewer、情報科学会論文誌の出版履歴など、さまざまな研究や実務履歴があります。
詳細についてはnotion resumeを参照してください。
学習対象は
誰でしょう?
ディープラーニングをもう少し具体的に理解してみたい方
最近 ChatGPT, LLMについて 疑念・疑問が増えてきた方
AI大学院への入学を希望される方
前提知識、
必要でしょうか?
TOEIC 700点以上の英語力
高校文系レベルの数学力
2,691
受講生
86
受講レビュー
1
回答
4.5
講座評価
4
講座
全体
17件 ∙ (4時間 20分)
2. 線形モデルと相関
16:43
3. n個の特徴量を持つモデル
11:30
4. 線形変換
17:22
5. 行列と正則化
19:56
8. 条件付きまたは独立
12:57
9. 最尤推定
20:06
11. 仮説検定
17:28
全体
21件
4.5
21件の受講レビュー
受講レビュー 1
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 868
∙
平均評価 5.0
5
Thank you for your valuable lecture. Take care of your health.
They say that Corona is spreading again ㅜㅜ Smurf, stay healthy too~
受講レビュー 33
∙
平均評価 4.9
受講レビュー 14
∙
平均評価 4.6
無料
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!