G検定 G検定に数学は不要？ 強化学習・ロジスティック回帰・正則化を数式で理解するメリット
G検定は数学必須ではありませんが、数式を知っていると強化学習、ロジスティック回帰、sigmoid、softmax、マルチラベル分類、勾配降下法、正則化の理解が深まり、「最も適切な説明を選べ」問題に強くなります。数式で見抜くポイントと例題を整理します。
分類問題
G検定 
G検定 生成AIパスポート→G検定：自己回帰・自己教師あり・Transformerと法律倫理を一本線でつなぐ地図
生成AIパスポート→G検定の学習を、ロジスティック回帰→多層NN→CNN→Attention→Transformer→自己回帰×自己教師ありで一本線に整理。生成AIの「性格」を理解し、法律・最新版ガイドライン・契約・倫理まで守りのフローとして統合します。
数値計算 【入門】最適化アルゴリズム(Adamでの分類結果)【数値計算】
Adamだけで出てくる分類結果を確認。四角形で分類する理想的な形状。この分類結果になる場合は、誤差関数の値が一気に跳ね上がる時。これにより大域最適解を引き当てやすくなる。
数値計算 【入門】最適化アルゴリズム(Julia)【数値計算】
ニューラルネットワークの最適化アルゴリズムAdamをJuliaにて確認。学習率を0.001にしている都合、収束までは時間がかかる。勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
数値計算 【入門】最適化アルゴリズム(Scilab)【数値計算】
ニューラルネットワークの最適化アルゴリズムAdamをScilabにて確認。学習率を0.001にしている都合、収束までは時間がかかる。勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
数値計算 【入門】最適化アルゴリズム(Python)【数値計算】
ニューラルネットワークの最適化アルゴリズムAdamをPythonにて確認。学習率を0.001にしている都合、収束までは時間がかかる。勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
数値計算 【入門】最適化アルゴリズム(MATLAB)【数値計算】
ニューラルネットワークの最適化アルゴリズムAdamをMATLABにて確認。学習率を0.001にしている都合、収束までは時間がかかる。勾配降下法、モーメンタムでは見れなかった分類パターンが拾えた。
数値計算 MATLAB,Python,Scilab,Julia比較 第4章【バックナンバー】
はじめにMATLAB,Python,Scilab,Julia比較するシリーズの第4章。第3章では画像処理、座標変換の話がメインだった。第4章は分類問題関連の話がメインとなる。基本的には以下の流れとなる。形式ニューロン決定境界線の安定化単純パ...
数値計算 MATLAB,Python,Scilab,Julia比較 第4章 その114【本章のまとめ】
分類問題を扱って第4章終了。最も原始的なニューラルネットワークをやったことでディープラーニングの基礎部分は把握できたかもしれない。次の章はこれから考える。
数値計算 MATLAB,Python,Scilab,Julia比較 第4章 その113【最適化アルゴリズム⑫】
Adamだけで出てくる分類結果を確認。四角形で分類する理想的な形状。この分類結果になる場合は、誤差関数の値が一気に跳ね上がる時。これにより大域最適解を引き当てやすくなる。