本文へスキップ

Ctrl+K

AI・機械学習論1

機械学習のための数学

1. ベクトル解析
2. 線形代数
3. 確率と確率分布

回帰

4. 回帰の概要
5. 線形回帰
6. ガウス過程（Gaussian Process）

分類

7. 分類問題の概要
8. 多クラス分類

ニューラルネットワーク

9. ニューラルネットワークの概要
10. 誤差逆伝播法
11. 機械学習における最適化

データの表現・モデルの評価

12. 機械学習におけるデータ表現の基礎
13. モデルの選択・評価・過学習・正則化

発展的な話題

14. 主成分分析
15. 混合ガウスモデル(Gaussian Mixture Model, GMM)
16. KAN: Kolmogorov–Arnold Networks

Repository
Open issue

索引

著者 Sota Yoshida

© Copyright 2025〜 by 吉田聡太 (Sota Yoshida). 本コンテンツはCC BY-NC 4.0 ライセンスの下に提供されています。

　ただし、資料中のコードセル部分はMITライセンスの下に提供されています。