微分／データサイエンス入門
このシリーズでは、スキルアップAI株式会社の「データサイエンティスト基礎講座」より、ビジネスパーソンが知っておくべき内容を抜粋してお送りします。データサイエンティスト検定™ リテラシーレベルにも対応した内容となっています。 スキルアップAIは、入門、データ分析、AIエンジニア基礎、ビジネス、クラウド、AIエンジニア応用といったカテゴリで様々な講座を用意しています。 スキルアップAI株式会社 https://www.skillupai.com/open/
会員限定
- データサイエンスの基本知識 数学入門（微分積分）
すべての動画をフルで見よう！
初回登録なら7日間無料！ いつでも解約OK
いますぐ無料体験へ
このコースについて
企画や営業といったビジネス職の方から、これからデータサイエンティストを目指したい方まで、数学の「微分積分」の基礎を学び直したい方を受講対象者としています。受験数学のような公式を使いこなすテクニック的な話ではなく、AIやデータ分析との関係性を意識しながら、微分積分の概要とポイントが押さえられるコースです。
本コースは、デジタル変革に伴走する株式会社アイデミーが提供しています。
アイデミーのサービスである「Aidemy Business」は、デジタル人材育成のためのオンラインDXラーニングです。
https://business.aidemy.net/
コース内容
- この講座のゴール
- 関数って結局なに？
- 接線からグラフがわかる
- 傾きのイメージをつかむ
- 接線の傾きを自力で求める
- すごいぞ、微分
- よく使う微分の公式
- 微分の記号
- 多変数関数
- ついに、偏微分
- 集大成！全微分
- 合成関数
- 積分はただの面積
- 積分の計算方法
- まとめ
より理解を深め、他のユーザーとつながりましょう。
19人の振り返り
kobamasa3
その他
データサイエンティストの資格取得を目指すうえで必要な数学である、微分や積分（特にヒストグラムのおける合計人数）について、本講座での概要をもとに今後理解を深めたい。
ozawa_h
IT・WEB・エンジニア
中高で習った内容でした。かなり短く纏められいます。
社会人としては実用的活用が求められるため、この後の教育も期待しています。
x7j
メーカー技術・研究・開発
エッセンスを大変完結にまとめられていたため、復習になった。
shin0216
専門職
実データからの予測精度を上げるために、誤差を小さくすることが重要でそのために微分を活用することがよく理解できた。さらに、多変数微分、偏微分、全微分の意味、基本的な計算方法を理解することができた。
yuupapa
IT・WEB・エンジニア
とても分かりやすい説明でした
shomachika
経営・経営企画
むずかしかったです。
hashi001
営業
業務で活かしていきます。
bird_t
専門職
すっかり忘れていた微積の振り返りができた
koichi_seya
その他
微分の意味を説明してくれて理解がより進んだ
yoshikazu-1103
営業
入門として理解したつもりになったような気がします。自分で学習し、理解を深めたいと思います。これからです。
spicex
その他
先生が賢そうな顔で信頼できる。
user-name01
販売・サービス・事務
基本的な内容としつつも学校では習わなかった説明の仕方もあって、今後の学習に役立つと感じた。
naruto0077
IT・WEB・エンジニア
現在の業務ではシステム障害の傾向分析をしているため、分析という観点で本講座を受講してみた。高校・大学で学んだ微分積分、偏微分など思い出したが、とても分かり易い解説と感じました。直接現在で業務で活かせるかは微妙な所ではありますが、今後の分析業務に活かせればと考えます。
drei
メーカー技術・研究・開発
思い出し学習としてコンパクトにまとめられて理解に役立ちます。観察対象（出力）と変化対象（入力）を見極めて視覚化につなげてゆくことが大切だと思います
hararin-kobo
金融・不動産 関連職
ざっくりと、微分や積分のエッセンスを学ぶことが出来た。積分は、統計学の基礎だと、改めて認識した。
takeshinese1976
専門職
経営大学院に行くので、その際に使われる統計学の基礎をここで学ぶことができました。今日学んだことを今後のクラスで活用できればと思います。
70sp1208
その他
大学卒業以来、微積分に接することはなかったが、体系的に説明いただきよい復習の場となった。ただし、ＡＩと微積分がどのようなつながりがあるのか、興味深いので今後の学習が楽しみである。
do3do3do3
専門職
久しぶりの微分積分だったので少し戸惑いも感じました。
m-inutake
IT・WEB・エンジニア
大元のモデルとなる関数さえ生成できれば、ある時点(初期値)における傾き(向き)を知り、自ら解を探しに行く動きは応用範囲が広いと思いました。大元のモデル(関数)をどのように定義するかが難しい印象を受けました。