シラバス（応用数学）詳細
『シラバスの科目』は4つあり、E資格の出題範囲1つ目の「応用数学」についてまとめたページです。シラバスは（JDLA公式HP）大ボリュームで文字の羅列に見えるため、大枠が理解できるように工夫しています。応用数学を学ぶのは、AI技術の根本に近づくほどその理論に数学が使われるからです。また、「機械学習」「深層学習」の理論を言葉にはない角度（論理式）から考えることができます。「応用数学」は「線形代数」「確率・統計」「情報理論」の3つの分野から成ります。すぐに身に着くほど簡単ではないのですが、E資格では数学をマスターすることが求められている訳ではないため、登場する数学知識を道具として理解するような取り組み方がよいと思います。
応用数学の基礎であって応用ではありません
線形代数
大量のデータ処理には行列計算が使われます。
Numpyで行列計算や転置を求めてみても面白いです。
シラバス
- 特異値分解（2022#2より削除）
◇キーワード◇
- 行列の計算方法、性質
- 固有値、特異値の計算
『機械学習ライブラリ（入門編）』 でNumpyを紹介しています。
確率・統計
AIはデータの背景にある”もの”を確率的に理解します。人がそのように設計しました。
シラバス
- 一般的な確率分布
- ベイズ則
◇キーワード◇
- 確率変数、確率密度関数、期待値、分散
- ベイズの定理、条件付確率
- 対数尤度、最尤推定
確率分布による期待値や分散は一般式をしっかり暗記しました。
情報理論
Σやlogが多く登場して抵抗感があります。
強化学習／生成モデルの概念理解で役立ちました。
シラバス
- 情報理論
◇キーワード◇
- 情報量、エントロピー、ダイバージェンス
- 交差エントロピー
- データ集合、Σ表記、logの意味
難しく見えた式も、計算過程を見れば徐々に慣れます。
以上