U^-1bが成分抽出だというのはわかってましたが、まさかa^tU側も成分抽出だったなんて………!!転置が隠れてたんだなぁ。 数式が生き生きと踊って見えます。ありがたや。

後の回を見た後だと、u_iをかけるパターンも、幾何的な説明もわかるからニヤリですね😎

「直行したやつらの和」が気になりますね… 二次関数を対称行列Aの二次形式で書いたあとに、Aを対角化したものがUΛU^-1でかけて、ベクトルxをU^-1で成分抽出したやつらが直行してるのかな。

KLDivergence「いつから関係は常に対称だと錯覚していた？」

cos類似度を使ったDLの学習は相関を上げていた………！

いつかMIDIデータなどの音楽の機械学習を取り上げていただけたら見てみたいです。

いやーありがたいです。教科書で二次形式見ると、見た目的にベクトルになるのか行列になるのか…あー、色々計算するとスカラーになるじゃん！ってなる初心者だったのですが、これから二次形式見たら、変換して類似度測ってるのね、はいはい…と思えるようになりそうです。

行列33回を見てからこっち見てますが、色々繋がって感動がすごい。 そして直行行列の偉さも分かりますね。

26回と同じロジックだ！分かるぞ！と思ってたら幾何学的な説明が出てきてお得でした。 u_iによる成分抽出をしてるんだ、という言葉の直観的な意味が分かるようになりました。 ベクトルをある正規直交基底Uで表現する時の１つの基底ベクトルの長さの倍率を測る操作が成分抽出であり、内積なんですね。

m×nの関係性の計算がn個の計算で済むのは計算量めちゃ減る…すごい…

何度も聞いてた勾配消失の問題の背後に特異値分解(というか特異値の確率分布)が関係してた………！

この講座で何となく見てたUと、いつも使ってた回転行列が実は同じものっていう衝撃がすごい。

あん肝の味した…！と思いきや、少しモヤモヤ。ベクトルを正規直交基底の重みつき和で表示するときに、逆行列の計算が内積の計算に置き換わるのは凄い。でも特異値分解の適用範囲が分からなかった。きっと次の動画以降で分かるんでしょうね！ フーリエ級数の話との関係は絶対ものすごく深い理論的なつながりがあるんだろうな、と感じました。 (cos関数と関数同士の直行性の話から実はフーリエ変換と特異値分解は同じことしてる的な？よくわかりませんが) 今回も楽しすぎる動画ありがとうございました！

どんな意味であん肝みたいな美味しい味がするのか、期待しかないです！ 高次元の行列とベクトルの積で計算量がグッと小さくなったりとかするのかな…

黒字化おめでとうございます！ファンコミュニティは参加していませんが、紙版は持っていましたが電子版（分析モデル入門）も数日前のセールで購入しました。知人友人にも勧めています。これからも頑張ってください。

色々自分の線形代数の理解が甘かったところがどんどん進化していきます。 本を読むよりかなり分かりやすく説明して下さってるので大感謝です。

途中回みてないから、世界って何だ…怖い…難しい世界に来てしまった…って思って聴いてたら税金の話からめっちゃわかりやすくなってありがたかった

やっと深層強化学習が来た〜！ 楽しみにしています！

Huh, youtube can auto-dub videos like this now. It's surprisingly understandable. Interesting

動画楽しみにしています。本当に個人的な関心ですが、ゆくゆくは展開型ゲームのナッシュ均衡の近似手法を取り上げてほしいなぁと思っています。いわば最善手であるナッシュ均衡に自己対戦で収束させるというのは、ただ単に収益最大化を目指して学習するよりよっぽど有益みたいです。最強麻雀AIのLuckyJもActor-Critic Hedgeというアルゴリズムでナッシュ均衡を利用していますね。

解説ありがとうございました。非常にわかりやすかったです。Multi Head Attentionについての質問なのですが、Queryとの類似度計算の際に直接QueryとValueの類似度計算を直接行わず、まずQueryとKeyの類似度計算を行っているのはなにか理由があるのでしょうか？

脳の非線形性の獲得は生命の発展において必要不可欠なものですね

選んだ道をどう生きるか、いいですね。 聞いてみたいのですが、欲や物など何か捨てると決断して良かったことはありますか？

分かりやすい説明ありがとうございました。平行移動に対する頑健性の理屈に興味があり、事例の26x26に対してカーネル？サイズ13x13だと確かに頑健だと思いますが、 max poolingは2x2で使われることが多いように見受けます。その場合は頑健性はほとんど発揮できないように見えるのですが、実際はそんなことはないのだと 思います。それはどのような仕組みで実現されているのでしょうか？多分、多層化することで実現できているのだと推測しますが、いまいちイメージできません。 解説頂けるとありがたいです。

ついに来た❗️ ありがとうございます❗️

いつもわかりやすい解説ありがとうございます。模倣学習、逆強化学習、オフライン強化学習、興味あります。

哲学やってるものです。 ベルクソンという哲学者が、「記憶の逆円錐」と呼ばれる円錐型を考えていて、ドゥルーズという哲学者が、ベルクソンの註解として円錐曲線と無限遠点を提唱しています。 この動画の無限概念に、感動です。

統計検定準1級で必要な線形代数を求めてたどり着いたのですが、計算だけでなく意味がわかって感激です！これからも楽しく視聴したいと思います✨

機械学習について解説する点において、aiciaとchatGPTはどちらが優秀ですか？僕は前者だと思うのですが

素人です。どうでもいい質問です。vec2seqとかの2ってなんですか？vec-seqでもよくないですかね？

ベクトルaの長さの2乗 ||a||^2 が a'*a で表されることを用いると、以下のように簡潔に証明することも出来ます。 ||x||^2 = x' * x (上述の性質より) ||U*x||^2 = (U*x)' * (U*x) (上述の性質より) 　　　　= (x' * U') * (U*x) (転置行列の性質より) 　　　　= x' * (U' * U) * x (行列のかけ算は、途中から先に計算しても良いので(結合法則)) 　　　　= x' * E * x (Uは直交行列なので、U'*U は単位行列 E になる) 　　　　= x' * x (E*x は x と等しいので) この2つが等しく、ベクトルの長さは正なので、||U*x||=||x||が示された。 ※行列aの転置を a' で表します。 　行列のかけ算を「*」を用いて表します。 　ベクトルは、すべて(n,1)の行列であると見なしています。

分かりやすいe_iの行き先と対比されると急に分かりやすい

1:20 x = (x1,…,x784)のイコールの右上にあるtみたいなのはなんですか？

動画ありがとうございます。 1✖️1のconvがわからないです。 チャネル方向に見ようとしてるのは伝わってきてはいるのですが、convの定義がよくわかりません。 vol5の講義を見るに 1✖️1のconvで(ストライド1とすると) 画像サイズは変わらないものができる →特徴量の変わらない画像のままで何も変化が起きないように思います。 1✖️1のconvを扱っているものが 同一チャネルの画像に大してではなく、 異なるチャネルの同じ位置に対して計算をしているのだろうとは思うのですが、使い分けがわかりません。 どの動画をみればわかりますか？

活動を継続していただきありがとうございます。ここまで強化学習の動画を続けられるとは驚きです。感謝を込めて、ささやかながらのお年玉をお送りいたします。

面白かったです。行動経済学は、経済学が措定している合理性を厳密化するところと、丁寧に厳密に不合理を取り込むことにありますよね（人間なんて不合理なものと捉えず、原則と例外、あるいは相互作用するものとして捉える）。

文系で数学で０点しかとったことない者です。わかりやすすぎてびっくりしていて、今のところ楽しみながら拝見しています。本当にわかりやすく楽しませてくれる動画を有難う御座います。

今までで一番分かりやすかったです

詳細な分析をありがとうございます！ ちょっとした質問があります： USDTを含むSafePalウォレットを持っていて、シードフレーズを持っています. (alarm fetch churn bridge exercise tape speak race clerk couch crater letter). Binanceにそれらを転送するにはどうすればよいですか？

わかりやすい説明ありがとうございます。質問ですが、後方観測TDλは、価値関数に即時適用できるとのことですが、価値関数Vが方策依存のとき問題ないのでしょうか？

興味深い対談ありがとうございました。ソシムの本を早速手配、一読しました。 1) 行動経済学を「人間行動の非合理性だけを説くトンデモ経済学」と永らく誤解していましたが、考えを改めました。 「予測可能なズレをモデルに組み込む」ー当たり前のことですが、目から鱗です。 理想気体(PV=RT)に２つのズレ　P'=P-a/V^2(分子間引力), V'=V-b(排除体積)　を組み込んで、 実在気体を説明するファン・デル・ワールス状態方程式　のようなもの。　と勝手に類推しました。 2) 保有効果は、ゲーム理論のブルジョワ戦略と関係しているように思え、その意味で合理的選択に思えました。 ハト/タカゲームで所有者の場合は強気(タカ)、非所有では弱気(ハト)となるブルジョワは戦略としてタカ,ハトに勝り、 進化論的に選択されます。 とすると、保有効果は合理性からのズレでなく、合理性そのもの、のように思えてきます。 現実は、現実である以上、合理的なものであり、第０近似理論で説明できないだけ。 以上、勝手な妄想２件ですが、楽しい時間となりました。

サプーさんとのコラボからきました😆 わわ💦めちゃめちゃ高度で尊敬します

関係の強さ…？ってなりましたけど、2次形式と言われてああ！ってなりました(定義見たらなんとなく分かった) この動画から見始めたのであれですけど、とても分かりやすいなと思いました！特異値分解だけやったことがないので、それさえ復習すれば完全に理解できそうです…！(固有化を任意のベクトル成分に拡張したものなのかなとは動画見てて思いました)

卒論でわからない分野だったので、解説が腑に落ちることが多く、納得して聴いていたら、いつの間にか動画が終わっていました。本当に良い講義をしてくれてありがとうございました！次回のも拝見します！

黒川先生、いい人だ..... 経済学的な意思決定モデル×データ分析って、データサイエンティスト向けにはそんなにないので（因果推論系は多いけど）、良書の予感。意思決定モデルを明示的に考慮することで、恣意的な解釈を防ぐこともできるのでいいよね

熱力学ver2まで出てきたらいよいよ第二の産業革命ですね

行動〇〇って、下手するとどんな事象も説明できてしまう（つまり予測に役立たない）から、そうならぬよういかにベンチマークをしっかり作るか・そしてそこからの逸脱をいかにシステマティックに定義するかが勝負と思うんだけど、それって現状ではどうしても職人技なところが要るんだよな。

初見です。数学なのになぜ数字がほぼないのでしょうか。記号がありすぎてまるで異世界の言語に触れているようです。この学問に携わっている方を尊敬します。

24:59 0 <= P(Y|X) <= 1, Log P < 0. だから長い文章は不利ですね？

トマス ミコロフ を理解できません｡ word2vec は [Google が開発した自然言語処理システム] です｡ 一方､ fasttext は [Facebook が開発した自然言語処理システム] です｡ 両方に同じ名前があるって､ どういう事ですか? [Nintendo Switch と PlayStation の両方の開発者に宮本茂と書かれている] と言っているようなものです｡ ありえません｡ 同姓同名の間違いでは?