| 受講期限：無制限 | 受講料金：0円(無料) |
| 対象：初心者 | 条件：会員登録 |
コース概要
- 機械学習で使われる線形代数の基礎を復習
- 行列とベクトルについて
- 行列の足し算とスカラー倍
- 行列とベクトルの掛け算
- 行列と行列の掛け算
- 行列の積と性質
- 逆行列と転置行列
線形代数の基礎を学ぼう
極端な話ですが、線形代数をよく理解していなくても、様々なライブラリやツールを使うことで、初歩的な機械学習を扱うことが可能です。ただし、機械学習の世界に入れば入るほど、利用するアルゴリズムへの理解やデータセットの前処理など、線形代数のへ理解が必要となります。
本コース「線形代数 入門」では、機械学習を学ぶ前に知っておくべき「線形代数の基礎」をカバーしています。日本の教育で言えば、平成２７年度以前は高校数IIまたは数Cの最初のレベルのおさらいとなります。（現在は行列の分野が高校数学では教えられておらず、理系学部一年目で学ぶ内容となっています）。
行列の基本的な概念や演算を理解することで、今後、機械学習を学ぶ際に、よりスムーズにアルゴリズムなどの理解をすることが出来ます。
線形代数とは？
線形代数（Linear Algebra - リニアーアルジェブラ）とは、線型空間と線型変換を中心とした理論を研究する代数学の一分野です。もう少し噛み砕いた言い方だと、行列の性質や扱い方を考えた学問と捉えても問題ないです。
すでに機械学習に触れている方であれば、「行列」の計算をしたり、「行列」でのデータ処理をしたりなど、「機械学習」と「行列」 は非常に密接した関係です。行列の扱い方（線形代数）の基本を学ぶことで、これから機械学習を扱う際に役に立ちます。
なぜ線形代数を学ぶのか？
基本的な線形代数は、機械学習を学ぶ際の必要最低限の知識かと思います。機械学習では、PandasやNumpyで、データセット前処理として行列の演算などを行います。その際に「行列」の基本的な役割や扱い方の知識が必要なります。
また、線形代数をより深く理解することで、機械学習で使われるアルゴリズムをより深く理解できます。アルゴリズムの理解が深まれば、より深いレベルでのアルゴリズムの実装や、さらには正しい理解のもとチューニングを行うことも可能です。
線形代数を理解することで、機械学習で行えることや得られる結果に大きく幅を持つことが可能です。まずは、本コース「線形代数 入門」を受講して、線形代数の基礎を一緒に見ていきましょう。
Numpyを使って確認
本コースでは、すべてのチャプターにおいてプレゼンテーション資料を見ていただく流れとなります。コース内での扱いはありませんので必須ではありませんが、行列の演算や処理などをNumpyを使って同時並行で確認しながら学習をされることをお勧めいたします。線形代数の基礎を覚えながら、Numpyとの紐付けを行うことで、より効率よく線形代数の理解を得られます。チャプター2にて、Numpyを使う必要な環境構築の説明を行なっていますので、ぜひ、同時並行で線形代数を学びながらNumpyで確認して見てください。
このコースの対象者
- これから機械学習を学ぼうと考えている方
- 既に機械学習を勉強しているが線形代数の基本に不安のある方
受講資格
特に事前知識やスキルは必要ありません
コース詳細
| 機械学習準備編 線形代数の基礎を学ぼう | ||
|---|---|---|
| Chapter 1 コース概要と紹介 | - - | |
| Chapter 2 Numpyのインストールと環境設定 | - - | |
| Chapter 3 行列とベクトル | 04:49 | |
| Chapter 4 行列の足し算とスカラー倍 | 05:24 | |
| Chapter 5 行列とベクトルの掛け算 | 09:46 | |
| Chapter 6 行列と行列の掛け算 | 09:46 | |
| Chapter 7 行列の積の性質 | 06:09 | |
| Chapter 8 逆行列の転置行列 | 06:43 | |
レビュー
はるか昔にやった線形代数の良い復習になりました。深層学習の入門書を読んでる際に、行列の計算で混乱する部分がありましたが、このクラスが役に立ちました。
講師からの返答
フィードバック、ありがとうございます！お役に立てて幸いです！線形代数についても、続編として少し深掘りした内容を現在検討しています。
高校で行列の掛け算とかやった記憶はうっすら程度…線形代数の本を買おうと思ったんですが、もっとさっくり学べたら良いなと思ってたので、こちらのコースはぴったりでした。ありがとうございます。
講師からの返答
フィードバック、ありがとうございます！引き続き、皆様のお役に立てるコンテンツを配信していきます。
講師紹介
本コース「線形代数 入門」はcodexa（コデクサ）の機械学習エンジニアチームにて製作・監修を行いました。アメリカでデータ分析の実績を積んだデータサイエンティストから、Webエンジニアから機械学習エンジニアへ転向をした人まで幅広い層が所属しています。上級者の一方的な講義ではなく、「初心者がいかに理解しやすいか」を目標としています。日経ソフトウェアへの記事執筆（2019年1月号）。
このコースを取っている方は次のコースも取っています
Numpy 入門：0円(無料)
受講目安 3時間〜3日
Pandas 入門：0円(無料)
受講目安 3時間〜3日
Matplotlib 入門：0円(無料)
受講目安 3時間〜3日
