Python＋機械学習に必要な数学講座に参加しました(その2)
前回の講座から今回までの間にslackであった質問について
次回以降の予習を事前にやってる方がいて、その内容に誤りがあるのではないかと言う指摘
→実際に課題の一部にちょっとした不備があった模様。
この講座の後半は数学だが、文系のため、数学に自信がないので事前にどのようなことをやっておくかと言う質問
→基本は講座の中で説明するから大丈夫だよ。でももし心配なら線形代数と微分積分の入門書を本屋で買ってきて見とくといいよとのこと
第2回の講座の進め方について
第1回の講座のフィードバックで進め方が早するというものが多かったそう。
そのフィードバックを受け付けた結果前回よりかなり進め方はゆっくりとした感じになった。
ただし講座の内容には変更はないので、一部の演習が宿題になる形で調整された。
どっちが良いのかは人によると思うが、個人的には宿題があった方が、自習できるので良かったと思う。
宿題をやることで復習にもなるので。
宿題といっても別に提出しないと減点があるとかそういうものでは無い。
あくまで演習問題の実施を講座の時間外に行うようにしたというだけ。
宿題をslack経由で先生に提出すればコメントをいただけるそう。
第2回の講座の内容について
Pythonの基礎が4分の３。
リスト、タプル、ディクト。emulate、zip。クラスなど。
最後に少しNumPyのさわりを実施。
ここまでは本当に初歩の初歩だったと思う。
NumPyの演習資料の中盤以降読むともうすでに行列とか数式が出てきて難しそうな雰囲気が出ている。
いよいよ本格的に機械学習の講座が始まったと言う感じ。
私はエンジニアだからここまでの内容はそんなに苦にはならなかったけど、ここからはしっかり予習をしないとついていくのが難しい気がしている。
ちょっと数学が心配になってきたので、マンガで分かる行列と言う本を読み始めている。
講義中の余談について
講座中は単にいくつか雑談もしてくれた。
AI人工知能EXPOが来週始まるよ。興味ある人はチェックしてみては、とか。
最近は大量のデータをもとに機械学習をするのではなく、ワンショットラーニングという１つのデータだけをもとに学習するやり方も行われてきている、とか。
データサイエンティスト、AIエンジニアとして、現場でバリバリやっている人は年間６０本の論文（１ヶ月に５本）を読まないとキャッチアップできないぐらい動きが早いよ、とか。