目次
序章
特別寄稿 機械学習をどう学ぶべきか?
第1章
ITエンジニアのための機械学習と線形代数入門
- 1-1:ニューラルネットワークの視点から
線形代数と機械学習 - 1-2:高校数学の復習
速習・線形代数 - 1-3:画像の推論に挑戦
やさしくわかるディープラーニングと線形代数 - 1-4:データ処理アルゴリズムへの活用事例
自然言語処理・画像処理における線形代数の応用 - コラム:高校教育課程の変化と大学での数学
第2章
ITエンジニアのための機械学習と微分積分入門
- 2-1:機械学習を根底から理解するために必要なこと
微分でとらえる機械学習の考え方 - 2-2:高校数学の復習と機械学習への指針
微分積分の基礎 - 2-3:ライブラリで使われる数学をコーディングで解き明かす
Pythonで実現する機械学習 - 2-4:データ分析も画像処理も最小二乗法で!
微分でつなぐ,機械学習とニューラルネットワーク - コラム:数学とAI,主体的に学習していく方法とは
第3章
さあ始めよう! ITエンジニアと数学 数学プログラミング入門
- 3-1:数学とプログラミングの意外な関係?
プログラマ視点の「数学の学び方」 - 3-2:機械学習の難解な数式をひもとく
数式が怖いならコードで理解- 課外授業1 ITエンジニアに数学は必要か
- 3-3:抽象化を心がけていますか?
数学系エンジニアの思考法- 課外授業2 本を読んで数学と戯れる
- 3-4:バスケのフリースロー計算で遊んでみよう!
物理と数学,そしてプログラミング- 課外授業3 プロダクトマネージャーと数学
- 3-5:ScrapboxとLaTeXで文芸的プログラミング
数式をきれいに表現するには- 課外授業4 数学の勉強法
- 3-6:両者における「関数」の違いを探る
関数型プログラミングと数学- 課外授業5 プログラマと数学