データサイエンス数学

概要

データサイエンスに必要な数学を学ぶ。ニューラルネットワークの構築には行列計算,主成分分析には固有値・固有ベクトルを理解しておくこと, すなわち線形代数の理解が不可欠である。また,最適化の手法,例えば 損失関数を定義してそれを最小化する勾配効果法には解析学(主に多 変数の偏微分)の知識が不可欠となる。さらに対象を分類する問題を一 般的に記述するには統計学,特に確率分布を理解する必要がある。こうしたデータサイエンスに必要な線形代数,解析学,統計学を，例を挙げながら実際に計算機で解きながら学習する。

目標

データサイエンスの背景にある数学を学び，様々なデータサイエンスの 手法を使えるだけでなく理解する。ニューラルネットワーク演算の基礎と なる線形代数，データ解析の基礎となる確率分布の理論，最適化手法 を理解するための解析学を，データサイエンスの観点から学ぶ。

授業外の学習

配布した講義ノートの予習2時間，復習2時間

所要時間: 4時間