AIは、数学の上に成り立っています。データのばらつきを測り、確率を計算し、二つの変数の関係を数値で表す——こうした数理・統計の知識が、機械学習の根幹を支えています。
G検定の実際の試験では、平均や標準偏差を計算する問題、確率分布のグラフを読み取る問題など、数式や計算を伴う問題が出題されます。試験対策としては、問題集を使って実際に手を動かして解く練習が欠かせません。
しかしこのブログでは、少し違うアプローチをとります。
数式を追うのではなく、「この概念は何を知ろうとしているのか」という考え方を掴むことを軸にします。キーワードをグループに分けて、それぞれのグループが「何のための道具なのか」をたとえ話や読み物として届ける——数学が苦手な文系さんでも、苦痛にならずに読み通せることを目指しています。
数式は問題集に任せて、ここでは「考え方の地図」を手に入れましょう。
8-1 AI に必要な数理・統計知識
数字の集まりを前にしたとき、AIはそこに何を見ているのか——データの「中心」と「広がり」を読む、統計の基本的な道具たちです。▶続きを読む
◆確率と分布 正規分布・二項分布・ベルヌーイ分布・ポアソン分布
「起こりやすさ」を数値で表すとはどういうことか——確率という言葉の裏にある、世界の不確かさへの向き合い方です。▶続きを読む
二つのものの間に「つながり」はあるのか、あるとすればどのくらい強いのか——関係性を数値で捉える道具たちです。▶続きを読む
限られたデータから、見えない真実に近づこうとする——統計的な「推理」の考え方を見ていきます。▶続きを読む
データの海に飛び込む前に、まず全体の形を把握する——データを整理して見通しをよくする道具たちです。▶続きを読む