機械学習③ロジスティック回帰／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
より理解を深め、他のユーザーとつながりましょう。
46人の振り返り
k-akira
営業
ベクトルや行列が何を表すかについては図式を交えた解説である程度理解が進んだが、それをどういう形でデータ分析に使うかはまだわかっていない。
70sp1208
その他
線形代数は大学１年で学んだが、ＡＩの分野で役立つとは意外であった。基礎的な内容であったが、卒業してから３０年程経過しているため、難しく感じた。よくデジタル人材の育成といわれるが、こういったことを使いこなすためには、かなりの労力がいると感じた。指導する立場としても学び直ししたい。
hsooheos
人事・労務・法務
行列とベクトルを図示しながら説明してもらったので、少しイメージが湧きました。繰り返し見たいと思います
598666
販売・サービス・事務
ベクトル（特にλの入った計算）は難しい。まだ業務で活用する具体的なイメージはついてないのでもう少し勉強していきたいと思う。
iso_ken
専門職
固有値・固有ベクトルを用いて計算する手法は参考になった
hararin-kobo
金融・不動産 関連職
難しいですね。もう一度見て見ます。
kiyohide-goto
販売・サービス・事務
学問として理解はできましたが、実業務での活用について、現時点でピンとはこなかった。
kammy-kammy
金融・不動産 関連職
復習が必要ということがわかった
理解していくには実務とのどうリンクするかイメージできると理解が速まるとも思った
tsuyoshi_asano
経営・経営企画
微分の講座と異なり、線形代数が機械学習モデルで使われている役割がいまいち掴めなかったです。
内積の応用の部分はインプットとパラメータで示されていてよく分かりましたが、それ以外の部分、例えば逆数・逆行列や固有値・固有ベクトルをどう使うのかを知りたかったです。
kenjiro_fujita
コンサルタント
固有値や固有ベクトル、逆行列が図形的にどんな意味を示すのかよく分かった。大学時代に教えてもらいたかった。
hr-sakai
その他
線形台数がAIにつながっているとは、確かに知らない内に昔習った事を利用していた。関数も応用している気がする。
choko0504
メーカー技術・研究・開発
基礎的な代数学の知識を再復習できた。実務で利用する際には携わることがないが前提知識として身につけておきたい。
9032843
経営・経営企画
主成分分析では、固有値、固有ベクトルの計算が必用となることがイメージできました。
naoki_sasano
メーカー技術・研究・開発
線形代数の基礎知識を使ってどのように機械学習を行うのか、習得したい。
yoshinore0402
IT・WEB・エンジニア
まだわからないところだらけであるため、何度も受講して理解を深めたい。
7031
経営・経営企画
線形代数が計算機演算、ニューラルネットワーク演算に活用されることが大変よく理解できた。
yasupii
その他
固有値と固有ベクトルは高校生の時に習い、公式として覚えていたが、今回の講座で少しだけその意味合いを理解することができたような気がする。もう少し深く勉強したくなりました。
1000-
マーケティング
固有値と固有ベクトルの概念が少し理解できたが、計算できるかはあやしい
stani
専門職
高校数学を懐かしく思います。
ken222
営業
データ利活用に行列の考え方が必要であることがわかった
hfkd156036
金融・不動産 関連職
基礎的な代数学の知識を学ことができた。
minori_yabu
メーカー技術・研究・開発
ベクトルや行列に関する知識は得られたが、機械学習等においてどういった活用がされているのかについてはイメージがわかなかった。
kazumi_100pot
金融・不動産 関連職
固有値と固有ベクトルの本質的な考え方を復習することができました。有難うございます。
yoshikazu-1103
営業
どのように使われているかをようやく理解したレベルです。基礎的な内容だと思いますが、ひとつづつ学びを進めていきたいと思います。
onihei99
専門職
実際の業務で活用する機会は今のところないが、考え方は繰り返し市学習で身につけたいと思う。
k--g--
その他
講義の内容が懐かしく感じた。データサイエンティスト検定にどのように役立つのか、聴講を継続したい。
512177
資材・購買・物流
日常での活用がイメージできない
hiroshi-srkr
経営・経営企画
線形代数となるとかなり難しい内容となり、見直しと継続的な学習が必要と感じました。
yoshihito_f
経営・経営企画
わかりやすい説明であった。ＡＩとの関係性を実感したい。
user-name01
販売・サービス・事務
学校では行列とベクトルとは関連付けて学んでいなかったが、それらに関連があることを学べた。もっと深く学ぶ際のイメージづくりに役立った。
naoyama777
メーカー技術・研究・開発
固有値λと固有ベクトルx
行列をかけると伸び縮みしか起こらないベクトルが存在する。そんなベクトルの事を固有ベクトル、その伸び縮み率を固有値と呼ぶ
#なつかし～
線形代数って、
データサイエンスのためにあったのかよ。。。
それ早く言ってよ～
matsu1219
専門職
思い出しながら学習できたが、データ分析にどのように活用できるのかイメージが湧かない
shirojpn
メーカー技術・研究・開発
昔習ったはずだが、完全に忘れてしまっていた。
固有知・固有ベクトルの本質はまだ理解出来ていないので、しっかりと復習したい。
yamamoto_kntk
その他
AIの利用に線形台数を活用していく際に活用できそうである
take515
メーカー技術・研究・開発
基本事項を再確認できた。
watanabe-tat
専門職
方程式の計算に使える。また、線形代数は機械学習・深層学習に活用できる。
miura_ka
販売・サービス・事務
説明の内容は理解できたが、業務への持ち帰り方を考える必要がある。
matute
IT・WEB・エンジニア
行列が機械学習を理解するために必要な知識であることがわかった。ベクトルと行列を組み合わせて理解する必要もあると感じたのでそれら数学の基礎知識を関連付けながら改めて学びたい。
vz3000
IT・WEB・エンジニア
線形代数の基礎知識のうち固有値・固有ベクトルについて理解を深めることができた。
t_htn
経営・経営企画
線形代数が計算機演算、ニューラルネットワーク
演算に活用されることが理解できた。
この考え方をベースに、演算の原理を理解してAIに取組みたいと思う
9141294
販売・サービス・事務
機械学習の実務に就いたときに役に立ちそう。
ysen
IT・WEB・エンジニア
学生時代の振り返りだった。資格取得の一助となる講座だつた。
ka_saka
マーケティング
文系数学脳では難しいです。ただ、行列とベクトルの計算結果が図とあわせて理解できたことで納得感を感じられました。現時点
業務とかけはなれているため、繰り返し確認しないと、忘れてしまいそうです。
基本的に解説はとても分かりやすいのですが、一か所、コメントとあわせてもなぜその罫線を引いたかわからない部分がありました。
vegitaberu
人事・労務・法務
まだまだ、難解に感じますが、AIの中で行われている計算との関連が、少し見え、とっつきやすくなったようにも感じます。生成AIにおけるベクトルの活用など、知りたいものが、少し具体化された感じがします。この後が楽しみになりました。
madogiwazoku
その他
素人には難しいです。難しくてはげそうです。鼻血もでそうです。
k_yuna
販売・サービス・事務
大変勉強になりました。