目次-中学生から分かるAI数学

ー目次ー

第一講：　活性化関数　（PDF全編）

1. Step関数
2. ReLU関数
3. Softmax関数
4. Sigmoid関数
5. Tanh関数

第二講：　条件付き対数尤度と平均二乗誤差（PDF全編）

1. 最小二乗法,平均二乗誤差
2. 最尤法,条件付き確率,条件付き尤度,最尤推定量
3. 条件付き対数尤度,対数
4. 最尤法（GT版　主に対数）
5. 最尤法（GT版　主に微分）
6. 最尤法（母集団）
7. 最尤法（母平均と母分散）
8. 最尤法（最小二乗法との関係）

第三講：　確率分布（PDF全編）

1. Bernoulli 分布
2. Gauss分布
3. 正規分布（GT版）
4. 二項分布1（GT版）
5. 二項分布2（GT版）
6. 二項分布3（GT版）

第四講：　損失関数　～E資格元ネタ（Deep Learning” (2016) の6.2.1 節）の数式を予習　（PDF全編）

1. 機械学習における損失関数とは？,カルバック・ライブラー情報量と交差エントロピー,損失関数としての交差エントロピー(1)
2. 損失関数としての交差エントロピー(2),損失関数としての平均二乗誤差と平均絶対誤差

[第一講]　活性化関数とは
ディープラーニングは層を幾重にもディープにしたネットワークです。活性化関数はそのほとんどすべての層で使われる関数なので、まず初めに攻略しましょう。

[第二講]　尤度とは
本講で扱う最尤法はAIのモデルを考える時に基礎となる考え方なので、一緒に数式の読み方や高校数学を予習しておきましょう。

[第三講]　確率分布とは AI（人工知能）とは入出力のデータを結ぶモデルを作る事です。データとは数値であり数値を並べたものが分布です。つまり、AIの解析とは分布を調べているということなのです。代表的な分布の数式を予習しておきましょう。

[第四講]　損失関数とは AIの精度を上げたい時に必ず使うのが損失関数です。第三講で学んだ分布を比較して精度をUPしていきます。ここまでは数式の読み方だけでも攻略しておきましょう。