G検定はジェネラリスト向けで数式を解かせる問題は稀ですが、線形代数・微分・指数対数の概念は機械学習の解説で頻出します。最小限の理解を整理しましょう。
雷門 あかり
あたし数学苦手なんだけど、どこまでやればいいの?
六角 いずみ 先生
安心して。
G検定で求められるのは『概念を聞いて意味が分かる』レベル。
手計算は不要で、ベクトル行列微分指数対数の意味を押さえれば十分よ。
白銀 エマ
まずベクトルは『方向と大きさを持つ量』。
機械学習では『データを並べた配列』とも捉えられるわ。
例えば3次元データ [身長, 体重, 年齢] は3次元ベクトル。
紫藤 ゆら
ベクトル同士で足し算とか掛け算もできそうですねぇ
六角 いずみ 先生
その通り。
内積 (Dot Product) は2つのベクトルの対応する要素を掛けて合計する操作。
これが類似度計算の基礎で、コサイン類似度の元になるの。
レコメンドや検索で頻出よ。
白銀 エマ
次に行列。
ベクトルを縦横に並べたもの。
行列の積はニューラルネットの計算の中核で、GPUが得意とする並列計算ね。
雷門 あかり
えっ、行列がGPUと関係してるの!?
六角 いずみ 先生
そう、だから深層学習でGPUが必須なの。
CPUは順次処理だけど、GPUは数千コアで行列演算を一気に処理できるのよ。
白銀 エマ
続いて微分。
関数の傾き (変化率) を求める操作。
機械学習では損失関数をパラメータで微分してその傾き (勾配) を求め、誤差を減らす方向にパラメータを更新するの。
紫藤 ゆら
あ、それが勾配降下法ですねぇ!
六角 いずみ 先生
そう。
偏微分は『複数変数のうち1つだけで微分』する操作。
複雑なネットワークで各パラメータの勾配を求める時に使うわ。
連鎖律 (Chain Rule) は誤差逆伝播の基盤。
白銀 エマ
最後に指数対数。
シグモイド関数やソフトマックス関数は指数関数 e^x を使い、交差エントロピー損失は対数 log を使う。
AIの数式でよく出るわ。
雷門 あかり
なんか全部つながってるんだね!
六角 いずみ 先生
重要なのは『なぜそれが使われるか』。
例えばシグモイドは出力を0〜1に押し込めて確率として解釈できる、対数は『情報量』を表せる…等、概念で理解すれば十分よ。
紫藤 ゆら
数式そのものより、意味をつかむのが大事なんですねぇ
雷門 あかり
よっしゃ、数学ちょっと怖くなくなったかも!
六角 いずみ 先生
G検定では『内積の意味』『行列演算とGPU』『勾配=傾き』『偏微分と連鎖律』を概念レベルで押さえて。
確認クイズ
ニューラルネットの学習で『損失関数の勾配』を求めるために必要な数学的操作はどれか。
- 行列の固有値分解
- 微分 (パラメータに関する偏微分)
- 三角関数の合成
- 因数分解
こたえを見る
正解: 2. 微分 (パラメータに関する偏微分)
勾配 (Gradient) は損失関数を各パラメータで偏微分することで得られます。これにより誤差が減る方向にパラメータを更新する勾配降下法が可能に。連鎖律 (Chain Rule) を使う誤差逆伝播法 (Backpropagation) の数学的基盤です。