やみとものプログラミング日記

人生気楽に。

TOP ディープラーニングを学ぶために必要な数学の勉強方法

ディープラーニングを学ぶために必要な数学の勉強方法

「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」(以下「ゼロから作る」と書く)という本を読んで自分が必要だと思った数学の各分野の勉強方法を自分なりにまとめます。
ちなみに僕は大学を数ヶ月で中退したので大学数学についてはほとんど勉強していません。

必要な数学分野

線形代数

高校ではもう習っていない?のか良く分かりませんが、少なくとも「ゼロから作る」を理解するためには行列の基本的な知識が必要です。
次の記事によると大学で勉強する一通りの線形代数の知識は持っていた方が良さそうです。
原理的には可能 データ分析界隈の人のブログ、もとい雑記帳
勉強方法については後で紹介します。

微分積分

勾配法や誤差逆伝播法を理解するために大学レベルの数学が必要です。
合成関数の微分や偏微分などを理解する必要があります。
ただ積分についてはディープラーニングではあまり使わない(僕の観測範囲では)ので後回しでも良さそうです。
勉強方法については後で紹介します。

オススメの勉強方法

あくまでも大学数学を大学でほとんど学ばなかった視点です。

本を買って勉強するのも必要だと思いますが、オススメなのはまず次のYouTubeチャンネルの大学講義動画を見ることです。
easyarithmetican / atelier aterui
この照井先生の動画は線形代数や微積分をカバーしています。
計算機数学の動画もあるようです。
このチャンネルの再生リストを見てください。

僕はこの講義の動画をノートを取りながら勉強して多くのことを学びました。
本で学ぶよりはるかに情報量が多いのでぜひ見てみてください。

おねがい

他にもディープラーニングを学ぶ上で勉強すべき数学の分野などありましたらコメントでぜひ教えてください。
こういうサイトで勉強すると良いという情報もぜひコメントしてください。

コメント

もしよろしければコメント下さい。

ハンドルネーム:
内容:

コメント一覧

名無しさん

アアアア

コメント一覧

名無し

アアアア

最新記事

部分空間の定義と条件、生成元の定義
線形空間の基底の定義
線形空間(ベクトル空間)