Pythonで動かして学ぶ！あたらしい数学の教科書 機械学習・深層学習に必要な基礎知識

AI開発に必要な数学の基礎知識がこれ1冊でわかる！ 【本書の目的】 本書は以下のような対象読者に向けて、 線形代数、確率、統計/微分 といった数学の基礎知識をわかりやすく解説した書籍です。 【対象読者】 • 数学がAIや機械学習を勉強する際の障壁になっている方 • AIをビジネスで扱う必要に迫られた方 • 数学を改めて学び直したい方 • 文系の方、非エンジニアの方で数学の知識に自信のない方 • コードを書きながら数学を学びたい方 【目次】 序章　イントロダクション 第1章　学習の準備をしよう 第2章　Pythonの基礎 第3章　数学の基礎 第4章　線形代数 第5章　微分 第6章　確率・統計 第7章　数学を機械学習で実践 Appendix　さらに学びたい方のために 序章　イントロダクション 　0.1　本書の特徴 　0.2　本書でできるようになること 　0.3　本書の対象 　0.4　人工知能（AI）とは？ 　0.5　人工知能向けの数学 　0.6　本書の使い方 第1章　学習の準備をしよう 　1.1　Anacondaのインストール 　1.2　Jupyter Notebookの使い方 　1.3　サンプルのダウンロードと本書の学び方 第2章　Python の基礎 　2.1　Pythonの基礎 　2.2　NumPyの基礎 　2.3　matplotlibの基礎 第3章　数学の基礎 　3.1　変数、定数 　3.2　関数 　3.3　べき乗と平方根 　3.4　多項式関数 　3.5　三角関数 　3.6　総和と総乗 　3.7　乱数 　3.8　LaTeXの基礎 　3.9　絶対値 　COLUMN　ディープラーニングが躍進する理由 第4章　線形代数 　4.1　スカラー、ベクトル、行列、テンソル 　4.2　ベクトルの内積とノルム 　4.3　行列の積 　4.4　転置 　4.5　行列式と逆行列 　4.6　線形変換 　4.7　固有値と固有ベクトル 　4.8　コサイン類似度 第5章　微分 　5.1　極限と微分 　5.2　連鎖律 　5.3　偏微分 　5.4　全微分 　5.5　多変数合成関数の連鎖律 　5.6　ネイピア数と自然対数 　5.7　最急降下法 　COLUMN　シンギュラリティと指数関数 第6章　確率・統計 　6.1　確率の概念 　6.2　平均値と期待値 　6.3　分散と標準偏差 　6.4　正規分布とべき乗則 　6.5　共分散 　6.6　相関係数 　6.7　条件付き確率とベイズの定理 　6.8　尤度 　6.9　情報量 　COLUMN　自然言語処理とは 第7章　数学を機械学習で実践 　7.1　回帰と過学習 　7.2　分類とロジスティック回帰 　7.3　ニューラルネットワークの概要 　7.4　学習のメカニズム 　7.5　単一ニューロンによる学習の実装 　7.6　ディープラーニングへ Appendix　さらに学びたい方のために 　AP 1　書籍や動画で学ぶ