Submit Search
Upload
機械学習入門者向け微分を完全に理解する講座
•
Download as PPTX, PDF
•
3 likes
•
628 views
Atsushi Harada
Follow
世界一簡単な機械学習の説明と、機械学習でどのように微分が使われているのかを解説します
Read less
Read more
Technology
Report
Share
Report
Share
1 of 21
Download now
Recommended
機械学習入門者向け微分を完全に理解する講座
機械学習入門者向け微分を完全に理解する講座
Atsushi Harada
一流のエンジニアはみんなやっている1つのこと
一流のエンジニアはみんなやっている1つのこと
Atsushi Harada
エンジニア経営者の葛藤とこれから・5分で終わる株主総会
エンジニア経営者の葛藤とこれから・5分で終わる株主総会
Atsushi Harada
普通のwebエンジニアでも出来る、ド素人からの機械学習のはじめ方
普通のwebエンジニアでも出来る、ド素人からの機械学習のはじめ方
Atsushi Harada
アジャイル出来ません 〜ビギナー向けアジャイルコミュニティを約2年間運営してみた〜
アジャイル出来ません 〜ビギナー向けアジャイルコミュニティを約2年間運営してみた〜
Atsushi Harada
月額制受託開発「開発チームレンタル」
月額制受託開発「開発チームレンタル」
Atsushi Harada
「◯◯さんだから仕事をお願いしたい」と頼まれるエンジニアになろう
「◯◯さんだから仕事をお願いしたい」と頼まれるエンジニアになろう
Atsushi Harada
これからはフリーランスのエンジニアがもっと増える
これからはフリーランスのエンジニアがもっと増える
Atsushi Harada
Recommended
機械学習入門者向け微分を完全に理解する講座
機械学習入門者向け微分を完全に理解する講座
Atsushi Harada
一流のエンジニアはみんなやっている1つのこと
一流のエンジニアはみんなやっている1つのこと
Atsushi Harada
エンジニア経営者の葛藤とこれから・5分で終わる株主総会
エンジニア経営者の葛藤とこれから・5分で終わる株主総会
Atsushi Harada
普通のwebエンジニアでも出来る、ド素人からの機械学習のはじめ方
普通のwebエンジニアでも出来る、ド素人からの機械学習のはじめ方
Atsushi Harada
アジャイル出来ません 〜ビギナー向けアジャイルコミュニティを約2年間運営してみた〜
アジャイル出来ません 〜ビギナー向けアジャイルコミュニティを約2年間運営してみた〜
Atsushi Harada
月額制受託開発「開発チームレンタル」
月額制受託開発「開発チームレンタル」
Atsushi Harada
「◯◯さんだから仕事をお願いしたい」と頼まれるエンジニアになろう
「◯◯さんだから仕事をお願いしたい」と頼まれるエンジニアになろう
Atsushi Harada
これからはフリーランスのエンジニアがもっと増える
これからはフリーランスのエンジニアがもっと増える
Atsushi Harada
ぼくたちのじゅたくかいはつ
ぼくたちのじゅたくかいはつ
Atsushi Harada
エンジニア向け絶対に挫折しない個人サービスの作り方
エンジニア向け絶対に挫折しない個人サービスの作り方
Atsushi Harada
「楽しいことだけやる」のがプログラミングの勉強のコツ
「楽しいことだけやる」のがプログラミングの勉強のコツ
Atsushi Harada
KPT発表会 - アジャイルひよこクラブ
KPT発表会 - アジャイルひよこクラブ
Atsushi Harada
○○したら受託開発が180°変わった(10分版)
○○したら受託開発が180°変わった(10分版)
Atsushi Harada
席ゆずってもいいですよアプリ
席ゆずってもいいですよアプリ
Atsushi Harada
○○したら受託開発が180°変わった
○○したら受託開発が180°変わった
Atsushi Harada
ぼくたちのじゅたくかいはつ(と品質の話)
ぼくたちのじゅたくかいはつ(と品質の話)
Atsushi Harada
1日30分で作れる個人サービスのススメ
1日30分で作れる個人サービスのススメ
Atsushi Harada
Titanium Mobile ~本当にあったこわい話~
Titanium Mobile ~本当にあったこわい話~
Atsushi Harada
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
More Related Content
More from Atsushi Harada
ぼくたちのじゅたくかいはつ
ぼくたちのじゅたくかいはつ
Atsushi Harada
エンジニア向け絶対に挫折しない個人サービスの作り方
エンジニア向け絶対に挫折しない個人サービスの作り方
Atsushi Harada
「楽しいことだけやる」のがプログラミングの勉強のコツ
「楽しいことだけやる」のがプログラミングの勉強のコツ
Atsushi Harada
KPT発表会 - アジャイルひよこクラブ
KPT発表会 - アジャイルひよこクラブ
Atsushi Harada
○○したら受託開発が180°変わった(10分版)
○○したら受託開発が180°変わった(10分版)
Atsushi Harada
席ゆずってもいいですよアプリ
席ゆずってもいいですよアプリ
Atsushi Harada
○○したら受託開発が180°変わった
○○したら受託開発が180°変わった
Atsushi Harada
ぼくたちのじゅたくかいはつ(と品質の話)
ぼくたちのじゅたくかいはつ(と品質の話)
Atsushi Harada
1日30分で作れる個人サービスのススメ
1日30分で作れる個人サービスのススメ
Atsushi Harada
Titanium Mobile ~本当にあったこわい話~
Titanium Mobile ~本当にあったこわい話~
Atsushi Harada
More from Atsushi Harada
(10)
ぼくたちのじゅたくかいはつ
ぼくたちのじゅたくかいはつ
エンジニア向け絶対に挫折しない個人サービスの作り方
エンジニア向け絶対に挫折しない個人サービスの作り方
「楽しいことだけやる」のがプログラミングの勉強のコツ
「楽しいことだけやる」のがプログラミングの勉強のコツ
KPT発表会 - アジャイルひよこクラブ
KPT発表会 - アジャイルひよこクラブ
○○したら受託開発が180°変わった(10分版)
○○したら受託開発が180°変わった(10分版)
席ゆずってもいいですよアプリ
席ゆずってもいいですよアプリ
○○したら受託開発が180°変わった
○○したら受託開発が180°変わった
ぼくたちのじゅたくかいはつ(と品質の話)
ぼくたちのじゅたくかいはつ(と品質の話)
1日30分で作れる個人サービスのススメ
1日30分で作れる個人サービスのススメ
Titanium Mobile ~本当にあったこわい話~
Titanium Mobile ~本当にあったこわい話~
Recently uploaded
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
Recently uploaded
(8)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
機械学習入門者向け微分を完全に理解する講座
1.
機械学習入門者向け 微分を完全に理解する講座 mofmof inc.
2.
この講座で学べること • ものすごく簡単な機械学習の仕組み • 線形回帰 •
微分とは何か • 機械学習でどのように微分が使われてい るか
3.
この講座で学べないこと • 実用のための機械学習の手法 • 機械学習の具体的な実装方法 •
ディープラーニング • 積分
4.
完全に理解とは 出典:https://twilab.org/item/1115270046794653696
5.
機械学習編
6.
線形回帰 0 100 200 300 400 500 600 0 5 10
15 20 25 30 35 40 45 年収 データ出典: https://doda.jp/guide/heikin/age/ https://www.shunpon.com/entry/%E5%B9%B4%E4%BB%A3%E5%88%A5%E3%81%AE%E5%B9%B3 %E5%9D%87%E5%B9%B4%E5%8F%8E 万円 歳 𝑦 = 𝑎𝑥 + 𝑏
7.
機械学習とは 超単純化して説明すると… • データから 𝑦
= 𝑎𝑥 + 𝑏 の 𝑎 と 𝑏 を探索すること • 一般的に 𝑎 は 𝑤 と表記して重みと呼び、𝑏 はバイアスと呼ぶ • この y = 𝑤𝑥 + 𝑏 を仮説関数と呼ぶ
8.
どうやって𝑤(重み) を見つけるのか • まず𝑦
= 𝑤𝑥 + 𝑏 の 𝑤 と 𝑏 に適当な値を代入する • 例えば、𝑦 = 9𝑥 + 80 とする • 次に、𝑥 にデータの年収を入れて 𝑦 を求める • 𝑥 = 35 歳を代入すると 𝑦 = 323 万円となる • 実際のデータの 𝑦 と比べることで、どの程度誤りがあるか測る • 𝑥 = 35 歳のとき 𝑦 = 465 万円であるので、誤差は142万円 • この誤差を出来るだけ小さくしていけば、最も妥当な 𝑤, 𝑏 を求めることが出来る
9.
イメージ 0 100 200 300 400 500 600 0 5 10
15 20 25 30 35 40 45 年収万円 歳 𝑦 = 𝑎𝑥 + 𝑏 データ出典: https://doda.jp/guide/heikin/age/ https://www.shunpon.com/entry/%E5%B9%B4%E4%BB%A3%E5%88%A5%E3%81%AE%E5%B9%B3 %E5%9D%87%E5%B9%B4%E5%8F%8E
10.
誤差を数式にする • 1 2𝑚 𝑖=1 𝑚 ℎ 𝑥𝑖
− 𝑦𝑖 2 • 𝑚 はデータ数 • ℎ 𝑥𝑖 は 𝑖 番目のデータ(年齢)を仮説関数に代入した結 果(年収) • 𝑦𝑖 は実際の正解データ 年収 • つまり {ℎ 𝑥𝑖 − 𝑦𝑖 }を二乗して、全て合計したものに 1 2𝑚 を掛ける • これを最小二乗法と呼ぶ • ふーん、こういうもんなんだなー程度でOK
11.
誤差から重みを更新する
12.
微分編
13.
微分とは • 傾きのことである
14.
微分の定義式 • 𝑓′ 𝑥 =
lim ℎ→0 𝑓 𝑥+ℎ −𝑓(𝑥) ℎ • 関数をこの定義式にぶち込めばなんでも 微分できる • とりあえず 𝑓 𝑥 = 𝑥3 でも微分してみよう • 𝑦 を 𝑥 で微分することを 𝑑𝑦 𝑑𝑥 と表記する
15.
微分これだけ覚えておく • 𝑎𝑥 ′ =
𝑎 • 𝑥 𝑎 ′ = 𝑎𝑥 𝑎−1 • 𝑎 ′ = 0 • 𝑎 は定数
16.
機械学習×微分編
17.
重みを更新する
18.
重み更新のイメージ
19.
より詳しく知りたい人へ
20.
21.
坂田アキラの 数IIIの微分積分が面白いほどわかる本
Download now