人工知能を学ぶために必要な数学分野・知識を統計専攻が暴露【AI機械学習のための数学】

数学的バックグラウンドが弱かったりあまり数学力が無い人って人工知能に興味があってもなかなか食指が進まないですよね。そんな人のために、統計学を専攻している僕が人工知能に必要な数学的知識について解説を行いました。結論を言うと、微積線形と確率統計の知識が必要とされますが、そこまで高度なものは必要とされず、500時間も勉強すれば最低限はクリアできると思っています。特に微積については高校レベルで十分なので、理系であれば結構ハードル低く学べる分野かなとも思います。
※チャンネル登録者以外のコメントを管理画面上では非表示にしています。質問などはチャンネル登録後にしてもらえれば答えられます。
ーとんすけ'sプロフィールー
中学：ネトゲ廃人（2万時間プレイ）
高校：偏差値43の公立で英語欠点連発
大学：立命館大学数理科学科首席卒
大学院：ワシントン大学大学院（確率専門）
いま：データサイエンティスト・業務コンサル
ーーー機材等ーーー
・使用カメラ　amzn.to/3dMd20q
・使用レンズ　amzn.to/3oNuKH6
・ラインスタンプ　www.line-tatsuj...
---ーー参考・出典---ーー
下記を参考（引用）させて頂きました。
※リンクはAmazonアソシエイトを含みます
※💛が無いコメントはシステム上読めてません
連絡先：[e-mail]
#人工知能 #データサイエンス #大学数学

[@kensei3388]

データサイエンティストは純粋な数学力よりも、コンピュータサイエンスやソフトウェアエンジニアリング方面の能力が求められるからな

[@glaykoji111111]

統計とか知らないと、正しく解析することができるか微妙だと思うけどな なんとなーくで解析したりしてる人まわりにめっちゃいる

[@kazunarihayashi5227]

私は、臨床検査技師で、細胞を検出するフローサイトメトリー業務に携わってますが、統計学の基礎を仕事でも使用いたします。２年前から勉強開始した線形代数や、微積分は、やはり、役に立っておりますね。特に、確率論は必要だと思います。とはいえ、東大出版の統計学入門レベルですが。

[@tonnsuke]

統計学をつかった業務めちゃくちゃ興味あります🥺

[@yu-wd8wx]

文系や数学弱者のデータサイエンティストが増えると、日本のエンジニア力が弱体化していきそう。結局難しいことは外資コンサルだよりになって、日本にとってはいい方向性ではなさそうですね。

[@user-uc4sd8zm6j]

貴重な情報ありがとうございます！ 大昔、🇺🇸のカレッジで国際経営学部にて統計学も勉強してましたが綺麗サッパリ忘れてしまいました。とんすけさんの動画拝聴させて頂いて再度チャレンジするやる気と勇気を頂きました。これからも配信宜しくお願い致します！

[@tonnsuke]

一緒に頑張りましょーー😘

[@user-uc4sd8zm6j]

宜しくお願い致します‼

[@rkPixie]

人工知能(ここではニューラルネットワークの事)もそうですが、カオス理論なんかも「なんかやってみたら興味深い結果が出たんだけど？」が始まりですからね。 フレームワーク自体の改良にはそれなりに高度な専門知識がどうしても必要。でもただ使うだけならそこまで要求は高くない。まさに。

[@tonnsuke]

数学は世界を記述してくれますが、それを知らなくても世界に存在できますからね😙

[@user-mr8tu9in8b]

ありがとうございます 勉強になります

[@medikero3138]

フレームワークは偉い人が作ってくれるって笑 足し算できてもペアノの公理(？)だかはわからない人ほとんどだろうし、わかる範囲で使える物を使うってのが大事なんでしょうね。

[@tonnsuke]

本当にそのとおりです！

[@user-rf1nj9hv3d]

機械学習勉強中の身ですが、集めてくるデータと整形が上手く出来てれば、計算は勝手にやってくれるから、そこまで重要ではないなとは思えました！ モデルや関数を理解していないと正しく実装出来ないから、ある程度理論を理解するのに数学は必要かなとも思えました。

[@tonnsuke]

ほうほう ズバリどの程度の数学ですか

[@user-rf1nj9hv3d]

@@tonnsuke 数学得意ではないので、合ってるかはわかりませんが、高校数学出来ればある程度はできると思います。 コードの書き方でベクトルなどの線形代数を勉強してれば理解出来るデータの整形方法とか出てきて、自分は少しつまずきました…( ；∀；)

[@tonnsuke]

( ；∀；)

[@user-mw4gm7yu5r]

今大学1年で、データサイエンスに興味があって統計検定とかとったりしたんですけど、具体的な将来のイメージが湧かなすぎて、何をすればいいのか迷子中です(データサイエンス業務のイメージがわからんです😢)。実際に稼ぎに繋げるために、どんなことをすればいいんでしょうか？アドバイスほしいです…🙇‍♀️(ちなみに統計検定二級、線形、微積学部一年レベルはわかってます)

[@tonnsuke]

ボトムアップ学習はひそひそ続けつつ、目的定めてトップダウンをしましょう 文科省のプログラムに申し込むもよし、 データ分析コンペに参加するも良しです 無給で良いのでインターンさせてくださいとか送るのもよいです

[@eeeokscjtptnt]

とてもしっくり来ました。 今自分は大学3年生の数学科ですが、1年生の頃からDS業務をインターンでずっとやっています。 高度な分析ほどクライアントへの説明コストが高くて使わないなぁという判断で、結局使わないんですよね

[@tonnsuke]

やっぱりそうですか！ DS業務の大先輩🥺

[@eeeokscjtptnt]

数学のレベルとしては、勾配boostingとか、行列分解くらいが使いやすくて良く使います。 勾配boostingは最小二乗法を高校生でも軽く触れてるので、相手さんにも直感的に理解して貰いやすいですね〜 変わり種で行くと、カルマンフィルタリングとかは文系の方とかでも知ってたりしますね。 数学的にはちょっと難しいかな？とも思うんですが、結構実践で使うらしく、聞いた事ありますね〜ってよく言われます

[@tonnsuke]

カルマンフィルタ初耳でした😂 勉強になります！

[@user-rn4qm1tg9k]

いつもありがとうございます。実学ですね。哲学、思想に堪えうるのですか。トランスコスモス、はじめて会長見てオペレーションの会社からDXに変えています。ワンマン、データエントリーでお世話になりました　会社出しても問題ないでしょう

[@user-xv4wd6lt1j]

文系が数学科のフィールドでどう戦うかをしっかり考えてから来たほうがいいよね…

[@user-kw5wq2bi3y]

文系ワイ、一応数3までは分かる(模試等に出てくる応用問題がしっかり解けるとは全く言ってない)のでいけそうな気がしてきた

[@tonnsuke]

書いてることを理解できればいけル

[@kkbtakahashi1016]

今回も、参考になりました！　ありがとうございます。

[@tonnsuke]

はぁい！

[@YUTARO5853]

多少偏微分出てくるので微積分は高3＋αくらいかもですね

[@tonnsuke]

ですね😚

[@user-fr9dk2pm3q]

逆に、機械学習の方が数学難しい気がします。 本屋でPRML の黄色本のページを開いて、そっと閉じました（笑）。 人間のニューロンも構造が単純と言えばそれまでですけど、DLも単純な構造がパラメータ増えるとあんなに色々な事が出来ると思うと、何か不思議な気がします。

[@tonnsuke]

理論は普通に院レベルの数学がいりますね🧐

[@user-fr9dk2pm3q]

@@tonnsuke 最近の流行りのdiffusion モデルも何か難しそっす。

[@user-rq5sl2zm2g]

他分野から人工知能系の大学院に進学するために機械学習を学ぼうと思い、ネットでオススメされてた『わかりやすいパターン認識』を読んで見たんですけど全く意味がわかりませんでした。。。。。 初学者でも読めるし簡単な微積線形代数の知識だけで十分だとネットでは書いてあったんですけど、これは自分の微積線形代数（マセマレベル）の知識が足りなすぎるんですかね？

[@tonnsuke]

理論をちょっとりかいしたいなら線形代数大事ですね

[@rurueru2003]

人工知能で使われる、非線形の関数がどう影響与えてるかとか、数学で扱ってるのかな。

[@tonnsuke]

扱ってます🥸

[@fastfast8933]

統計力学的な考え方ってすごい出てきますよね。実務レベルなら物理系の方が向いていたりしないでしょうか？

[@user-fo3hu5do7u]

使うだけならパッケージ使えば一瞬ですもんね

[@tonnsuke]

本当にそのとおりです

[@user-jz7ym5mb1m]

いや院いくか迷うなー まじどうしよ

[@tonnsuke]

ＤＳ関連なら一度働いてから院いくのもアリアリ

[@brewedscript1014]

Machine learning の algorithms をPythonで一からcodingするとどの程度の数学が必要か分かりますよね。deep learningはかなりback propagation重要なのでconvolutionとかRecurrentになると線形代数の必要性を実感します。でも、MITとか HarvardとかKZbinに授業載ってるのでlinear algebra, calculus, probability and statistics は勉強できると思います。Statistical RethinkingとUnderstanding AnalysisとProbabilistic Machine Learningを最近読んでいます。海外のおすすめの数学書とかありますか？今カナダにいてて大学にもいったことないのでないので詳しめに説明している英語の本があればありがたいです。今は機械学習の論文読むと初見では心が折れるレベルです。

[@tonnsuke]

論文は知識というより読み方が大事だったりします😢 それらのLevelの本を読んでるなら、あとはベイズさえやっておけば論文も読めると思います

[@user-yj6vv6em2t]

数学勉強し続けたい人にはどのような職業がオススメですか？

[@tonnsuke]

クオンツ、データサイエンティストは常に勉強勉強です 極めても際限がないからいいところでやめましょうってだけなので、この２つは深めようと思ったらいくらでも深みにいけます

[@user-yj6vv6em2t]

@@tonnsuke ありがとうございます！安心して勉強できます！

[@user-ky9gu5xx8e]

情報幾何学

[@user-pe5sh7ko9g]

線形空間がわかりません（泣） ひつようですかね、、

[@tonnsuke]

計算さえわかればいいです😙

[@user-pe5sh7ko9g]

@@tonnsuke 返信ありがとうございます！ 計算とは単に行列計算ということですかね、、 基底とか、部分空間とか全くチンプンカンな文系人間です（泣） （行列計算ならできます）

[@tonnsuke]

とりあえず行列計算できれば大丈夫です👍

[@user-ln6ur8kx6o]

マセマのキャンパスゼミシリーズ程度でいったんは十分な感じですか？

[@tonnsuke]

全然足ります

[@komusasabi]

近接勾配法。

[@tonnsuke]

数学やってれば一瞬で理解できますが、それを理解するために数学（数学科の数学）はオーバーワークすぎませんかっていうこと結構ありますねえ

[@komusasabi]

数学は階層化されているので、深層学習：応用数学：純粋数学　という階層構造である場合は純粋数学の部分は応用数学分野の研究者に任せるという手がありますが、GAFAの人たちはそういう部分もできるので、入門はそれほど数学たくさん必要としないが、お金を稼ぐ程度に応じて必要とされる知識は指数的に増えると思ってもらうのが嘘がないように思います。 Chatgptにプログラムを作成してもらうことができる程度だとお金稼げないんじゃないかなー。今は稼げるだろうけどこれからの人たちは１０年後ぐらいを見据えておかないと・・・