回答編集履歴
1
詳しく書きました
test
CHANGED
|
@@ -1,25 +1,43 @@
|
|
|
1
1
|
- 解析学
|
|
2
|
+
|
|
3
|
+
微少量・極限・級数展開・微分方程式の扱いや関数の性質などを学ぶ。数学の基礎中の基礎とも言えるので学んでおかなくてはいけない
|
|
2
4
|
|
|
3
5
|
- 線形代数学
|
|
4
6
|
|
|
7
|
+
ベクトル・行列・テンソル・一次方程式・連立方程式を扱うために必要。現代の計算は行列をもとに行われることが多く、特に機械学習は行列の塊であるため会得は必須。仕組みを知らずに使うと痛い目をみる
|
|
8
|
+
|
|
5
9
|
- 確率論
|
|
10
|
+
|
|
11
|
+
機械学習には確率的手法を用いられることも多く、理論立った説明が求められることが必須
|
|
6
12
|
|
|
7
13
|
- 統計学
|
|
8
14
|
|
|
15
|
+
確率論には統計学がセット。基本だね。確率論的方法で出した結果の評価に使用する
|
|
16
|
+
|
|
9
17
|
- 計算科学
|
|
18
|
+
|
|
19
|
+
機械学習というのは概ねニューラルネットワークによる学習のことを指しているが、その数理モデルを学習するのがこの分野。その他にも現実の問題をどう数学的モデルに落とし込むかという方法論を学ぶ
|
|
10
20
|
|
|
11
21
|
- 数値計算
|
|
12
22
|
|
|
23
|
+
アナログ量をディジタル値に変換して計算するための理論。一見簡単に見えるがとんでもなくつらい。数値計算は発散との戦いだ！
|
|
24
|
+
|
|
13
25
|
- 並列計算
|
|
26
|
+
|
|
27
|
+
メニコア・GPGPU 全盛の昨今において並列計算を避けて通ることは出来ない。君、その学習モデル 1 スレッドでやると 10 日かかるよ？
|
|
14
28
|
|
|
15
29
|
- 数理最適化
|
|
16
30
|
|
|
17
|
-
|
|
31
|
+
与えられた関数の中から最大値（または最小値）を探す分野。んなもん簡単やんけ、とか [Rastrigin function](https://en.wikipedia.org/wiki/Rastrigin_function) 見て言えっか？お？これにさらに制約が加わったり非線形になったりすると解析的手法はほぼ無理なのでカオスサーチとか遺伝的アルゴリズムとかヒューリスティックな手法に頼らざるを得ない。なんでこれが機械学習に要るかと言えばニューラルネットワークのパラメータを決めるのにこの手法を使ったりすることがあるからだ。あとは**数理最適化でいい問題に機械学習持ち出さないため**
|
|
18
32
|
|
|
19
33
|
- 神経科学
|
|
20
34
|
|
|
35
|
+
そもそも機械学習は人間の脳を模して作られた手法なので、脳自体に詳しくならなければならない。神経とはどういう仕組みで動いており、それぞれがどういう働きをし、どういう構成で脳を形作っているか知らなければ計算機に落とし込むのは不可能だ
|
|
36
|
+
|
|
37
|
+
- 認知科学
|
|
38
|
+
|
|
39
|
+
「認知」プロセスを通して知能とは何かを問う学問。というか人工知能がまんまこの分野に入る
|
|
40
|
+
|
|
21
41
|
- 哲学史
|
|
22
42
|
|
|
23
|
-
|
|
24
|
-
|
|
25
|
-
|
|
43
|
+
哲学をやれ！な！？
|