出版社内容情報
データサイエンティストが知っているべき,情報時代に必須の線形代数教科書!
本書は,『ストラング:線形代数イントロダクション』の原著者ギルバート・ストラングMIT教授が,データサイエンスの基礎を成す数学(線形代数,確率・統計,最適化)を解説した専門書.
データサイエンスの要となるのはニューラルネットワークおよび深層学習であり,その根幹を理解するために線形代数を深く学ぶことが重要となる.深層学習の解説書は多数あるが,その根底にある数学まで徹底的に解説した書籍はほとんどない.
本書は,線形代数の発展的教科書として,またデータサイエンティストを志す読者が線形代数を学ぶための教科書としてふさわしい一冊である.
内容説明
本書は、データサイエンスの基盤となる数学の解説を目的としている。それらは、線形代数、確率と統計、最適化だ。本書では、第1~6章でそれらを説明した後で、第7章でニューラルネットワークの構造について説明する。MITの講義コース18.065は信号処理とデータ処理のための線形代数に関するものだ。2017年の初回に登録したMITの学生は140名にのぼった。講義コース18.065は初回からうまくいった。しかし、重要な話題に触れていなかった。それは深層学習(ディープラーニング)だ。深層学習のアルゴリズムは改善し続けている。改良され続けていると言ったほうがいいかもしれない。計算機科学者、エンジニア、生物学者、言語学者、数学者、特に最適化アルゴリズム研究者、さらには深層学習が私たちの生活に役立つと信じている人たちなど、多くの人たちの貢献によって支えられている。
目次
第1章 線形代数の要点
第2章 大規模行列の計算
第3章 低ランク行列と圧縮センシング
第4章 特別な行列
第5章 確率と統計
第6章 最適化
第7章 データからの学習