こんにちは、理系京大生ブロガーのゲーテ(@goethe_kyodai)です。 大学の数学・物理の授業は予備校の授業と違って、恐ろしくわかりづらいです！中には生徒のことを考えて分かりやすく授業する先生もいますが、１％もいないのが現実です。 CHECK! 大学数学と高校数学の違い - 我、京大生ぞ そして大抵の人は授業で紹介されている参考書で自習しようとしますが、大抵難しくて読めません。 ダメな本ということでは決してなく、ガチで研究者を目指している人向けの良本が多いですが前提知識ゼロの初学者には向いていないことが多いです。 安心してください！世の中にはちゃんと分かりやすい大学の物理・数学の本がたくさんあります！ 分からないのは単に情弱なだけなのです！ １００冊以上の理工書を読んできた理系京大生のゲーテが、理系の大学新入生が１、２年うちに読むべき初学者向けの数学・物理の本・参考書・サイトを紹介し

山積みの仕事の前で2017年も読書以外何もできていない状況ですが、たまたま数学に関連する本を連続で読んだので整理しておきます。 学生時代に読んでおきたかった２冊 東大の数学入試問題を楽しむ: 数学のクラシック鑑賞posted with amazlet at 17.03.18長岡亮介 日本評論社 売り上げランキング: 171,396 Amazon.co.jpで詳細を見る “数学ができる"人の思考法~数学体幹トレーニング60問~ (数学への招待)posted with amazlet at 17.03.18吉田 信夫 技術評論社 売り上げランキング: 187,924 Amazon.co.jpで詳細を見る 前者は高３の夏に、後者はセンター試験と二次試験の間の暇してた頃に出会いたかった本ですね。一応、数学科卒の人間ですので、数学だけは得意だったので今もこうやって本を読んだりするのですが、難問に立ち

はじめに 機械学習や深層学習を勉強するときに，様々な数式が出てきます． 「数式じゃわからなんよ？プログラムでよろ」みたいな人向けの記事（？）になってます． ひとまず，基本統計量の数式とそれに対応したサンプルソースコード(C++)を貼ってありますので参考にどうぞ． 基本統計量 データのばらつき具合を表現するには，最大値・最小値・総和・平均・分散・標準偏差あたりでしょう． あとは，中央値，最頻値，正規化あたりを知っていればなんとかなる…はず 最大値・最小値 / max, min \begin{align} x_M&=\max_{i=1,...,N} {x_i}\\\ x_m&=\min_{i=1,...,N} {x_i} \end{align} int max = x[0]; // 最大値用初期値 int min = x[0]; // 最小値用初期値 for(int i=1 ; i<N ; i

自分と同じようなバックグラウンドで「機械学習周辺の数学まわりの勉強をしたい」という人の助けに少しでもなれればと思い、半年間の勉強の軌跡を公開することにした。 ● 前提 ・数学の勉強と言える勉強は高校数学で言う所の数II・Bまでしかやってこなかった。 ・数学が超得意だったかというとそういうわけではなく、まあ普通なライン。 ・大学は情報系で文理一緒だけど、正直大学数学らしい数学はあまりやってこなかった。 ・社会人になって以来ずっと数学コンプレックスで「大学の時もっと理系の勉強をしておけばよかった」と後悔する日々だった。 ・「とにかくツールとか沢山触りまくって慣れた方が良い」という意見も沢山頂いていたのだけど、 – やはり専門の文献を読むとブワーッと数式が出て来て「うっ」となる自分が情けなく感じる経験をした – このまま勉強しないで年をとった後に「あの時やっておけば」という後悔はしたくなかった

本投稿は機械学習に必要な高校数学やり直しアドベントカレンダー Advent Calendar 2016の12日目です！ 近年、機械学習が物凄く話題になっており、それに付随して数学を学ぼう！っていう流れも出てきているので、数学好きな私としては嬉しい限りです。 はじめに 色んな所で騒がれている機械学習ですが、今やたくさんのツールやフレームワークが登場しているため、 原理や理論を知らなくても良いんじゃね？って声もちらほら聞きますが、個人的には「そんなことはないよ！」って思っています。 知らないままブラックボックスのまま使うことは、何かあった場合自分たちでは何もできないし、応用しようにもできないことになります。 そもそも機械学習って何なのかを知らないと、この技術を使うことすらできないかな〜って思います。 今回はタイトルにもあるように、その機械学習そのものに触れるのではなく、機械学習の原理を学ぶため

このエントリーは 機械学習に必要な高校数学やり直しアドベントカレンダー Advent Calendar 2016の2日目です。 1日目は現役高校生の方のエントリーでした。自分もこういう話を現役の頃に先生や同級生としたかったですね。現役の頃は数学って大学に行くための手段程度にしか思ってなくて、今考えたら非常にもったいなかったなと思います。。 これは何か Railsおじさんが機械学習の手法を使って仕事でデータ分析できるようになることを目標に12年ぶりに高校数学を復習した（ている）記録です きっかけ もともと機械学習に興味があったのだが、いい加減仕事でちゃんと使えるレベルになってRailsしか能がないおじさんから脱却しようと思い立ち、2016年5月ぐらいから「データサイエンティスト養成読本　機械学習入門編」を読み始めた データサイエンティスト養成読本 機械学習入門編 (Software Desi

今年、機械学習の本を少なくとも一度は手にした人は多いのではないでしょうか。 数ページめくっていると、数式のオンパレードで、「うっ」てなって、静かに本を閉じてから数ヶ月。 すでに本棚の肥やしになっていたりしませんか？ それは私です。これはイカンと思って 機械学習の本を理解するための高校数学のおさらいをしようよ！で、作りました。 誰が書くの？ すでに、おさらいが終わった人、 これを機会におさらいを始めてみようと思った人、 おさらいする必要もなく理解している人、 一緒にこのアドベントカレンダーを作りませんか？ 何を書いたらいいの？ 得意な分野の説明をわかりやすく説明、三角関数とか行列とか統計とか・・・ 自分の勉強法の紹介 オススメの書籍やオススメ記事やオススメ勉強法の紹介 などなど 来年はもっと理解出来た状態で、機械学習と向き合う年にしましょう！

フロントエンドのパラダイムを参考にバックエンド開発を再考する / TypeScript による GraphQL バックエンド開発

※この記事の1年後に文系エンジニアがCourseraの機械学習コースを1ヶ月で修了したので振り返ってみました。という記事もアップしました。 文系エンジニアが機械学習に入門しようと思うと、どうしても「数学の壁」にぶつかります。 一般的に、機械学習を理解するためには、大学レベルの「微分積分」「線形代数」「確率統計」の知識が必須とされていますが、私のような典型的文系エンジニアの場合、それを学習するための基本的知識自体が圧倒的に不足しているため、まずは高校までの数学を一からやり直してみました。 学習前の私の数学スペック 学生時代の数学の学習歴は高校2年生の2学期位まで。 大学で経済数学の授業があった気がするがほとんど出席していない。 仕事で使った数学知識は三角関数程度。(画像処理ソフトを開発した際に使用) 学習に要した時間 小学校の算数 5時間 中学数学 6時間 数I/数A 12時間 数II/数B

Register as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationYou can use dark themeWhat you can do with signing up

6月25日、つまり今週末、『グッド・マス ギークのための数・論理・計算機科学』という本が発売されます。 話せば長い事情があって、発売前だけど訳者の次くらいに書籍の内容を熟知しているので、私的な紹介を書いてみました。 計算機のプロが書いた現代数学ガイドツアー 世に数学系の読み物はたくさん出版されています。純粋数学のプロが書いたものもあれば、そうでない人が書いたものもあります。 『グッド・マス』は、後者です。著者のマークさんは計算機科学のプロであり、数学のプロではありません。そのため、本書でいう「数学」も、コンピュータエンジニア的な目線で描かれます。 たとえば、連分数の話をするときはScalaで実装し始めるし、論理学の話をすれば「Prologはいいぞ」って始まるし、計算といったらチューリングマシンとBrainfuckでありλ計算です。 本書を一言で表すと、「コンピュータエンジニア、とくにプログ

円周率πの世界、三角関数誕生物語、ジョン・ネイピア対数誕生物語、ネイピア数e誕生物語、虚数iのリアル、スーパーたし算～積分法～、オイラーゼータ誕生物語、驚異のウルトラたし算、関・ベルヌーイ数誕生物語 sin、log、π、e、・（小数点）、i、∫、Σ、そして0と1 これらすべての物語が集まって生まれた壮大な物語がリーマン予想です。 フェルマー予想とポアンカレ予想 1994年に英国の数学者アンドリュー・ワイルズ（1953-）によって解かれた「フェルマー予想」は数学を習い始めた中学生にも「問題」は理解できます。 同じく、2002年にロシアの数学者グレゴリー・ペレリマン（1966-）によって解決された「ポアンカレ予想」もフェルマーよりは難しいものの「問題」の輪郭はぼんやりとでも理解できます。 数学の歴史の中で難解とされ百年を越える長い時間と幾多の数学者の努力がつぎ込まれた問題であっても「問題の理解

更新情報 2019.07.19 スイショウ が 国公立大現代文 を追加しました!! 2019.07.18 スイショウ が 私大国語 を追加しました!! 2019.07.11 スイショウ が 共通T現代文 を追加しました!! 2019.07.11 スイショウ が センター対策現代文 を追加しました!! 2018.05.12 スイショウ が 第1問(三) を追加しました!!

この春からプログラマーとして働くようになりました。今まで色々と開発系の勉強を中心にしていましたが、最近はもっぱら高校数学を独学しています。 勉強しようと思ったきっかけ、教材として使っている『長岡の教科書』の紹介について書いていきます。 勉強しようと思ったきっかけ まず前提として、僕は高校を中退しています。空白期間を経て情報系の専門学校に入ったのですが、その際に取った高認も、英語だけを受験して取得したという経緯もあり、高校以降の勉強の知識がごっそり抜けてしまっています。 その後、専門学校に入ってから基本情報技術者試験を受験することになったのですが、そこで出てきた集合や対数、数列といった知識が全くないため（Σってなに状態）、数学の知識の欠如を感じたものです。 なんとなく数学コンプレックスを抱えたまま過ごしている折に、2014年10月発売のWEB+DB PRESS Vol.83のインタビューにて

私がAI（人工知能）や機械学習って難しいナーと感じるところは、数学の前提知識がある程度必要なところです。 GoogleからTensorflowが出たときに、私もいっちょやってみるかなんて思ったのですが、参考にした記事もなかなか難しくてあんまり理解できなかったのを覚えてます。途中まで理解出来てたのに、急に数式が出てきて「なるほどわからん！」ってなることが多かったですね。 「というかエンジニアなのに数学苦手なのｗ」とビックリされる方もいらっしゃると思いますが、エンジニアっつったって、今の御時世理系出身エンジニアばかりじゃないんです。でもエンジニア女子やってると自動でリケジョ扱いされるから面白いですね。 当面の目標としては、AIの中でも機械学習を学んでいきたいので（DeepLearningできるようになりたい！）、あると嬉しい数学の知識としては以下です。 線形代数 確率・統計 微分・積分 AIの

「驚異の数、円周率 πの世界～現代に甦るラマヌジャンの公式」 「三角比が三角関数に変身するまでの長い旅」 「ジョン・ネイピア物語～対数logはlogos（神の言葉）」 「ジョン・ネイピア物語～対数は天文学者の寿命を2倍にした」 「ジョン・ネイピア物語 対数から生まれた「・」」 「ジョン・ネイピア物語は終わらない～ネイピア数e誕生物語」 これら6回の連載はそれぞれが、その時代の物語として独立しています。しかし、これから語るオイラー物語を知るならば、そのすべてが今回のためにあることが分かります。数学という物語は、つながった物語だということです。 π、sin、log、eのすべてが、1本の数式に統合されていくことになろうとは誰が予想したでしょう。 満を持して、その風景にたどり着いた者こそ、数学者オイラー（1707-1783）です。これから、彼が見た原風景にみなさんをナビゲートしていきます。 計算は