確率分布・期待値・分散・相関・仮説検定など、機械学習の土台となる数理・統計の基礎を理解し計算できるようになります
人工知能がなぜ確率を使うのかを学びます。基礎層では、結果を数にする確率変数、値の出やすさを表す確率分布、平均的な見込みを表す期待値、条件がついたときの条件付き確率を身近な例でつかみます。深掘り層では、確率密度と、ベルヌーイ分布・二項分布・ポアソン分布・正規分布という代表的な分布までを必要な数式も言葉で読み下しながら説明できるようになります。
たくさんの数を少数の値で言い表す記述統計を学びます。基礎層では、データの中心を表す平均・中央値・最頻値と、散らばりの大きさという見方を身近な例でつかみます。深掘り層では、度数分布・外れ値と、散らばりを数にした分散・標準偏差、そして時系列をならす移動平均までを数式も言葉で読み下しながら説明できるようになります。
2つの量がどう関係するかと、2つのデータの近さのはかり方を学びます。基礎層では、一緒に動くかを見る相関と、見かけの関係にすぎない疑似相関を身近な例でつかみます。深掘り層では、共分散・相関係数・偏相関係数と、ユークリッド距離・コサイン類似度・マハラノビス距離・相互情報量までを数式も言葉で読み下しながら説明できるようになります。
データから最もふさわしい値を選ぶ推定と、差が本物か偶然かを見分ける検定を学びます。基礎層では、当てはめと検定という2つの考え方を身近な例でつかみます。深掘り層では、最尤法・最小二乗法と、帰無仮説・対立仮説までを数式も言葉で読み下しながら説明でき、発展として、学習を支える微分と勾配の基礎までつかめるようになります。