2 - Matrix Calculus and Probability Theory：学習メモ
サイズ：     
  USER
  サンプルユーザ
サンプル用のユーザです。
 WEB
    学習ノート
機械学習関連の学習に使えそうな本や動画を調べ、整理してみました。（なるべくFREEのものを優先しました）

* 尚、ノートの文章は一部を除きAIに書いてもらったもので、正確性はありません。
* ノートにchatGPT等AIに作ってもらった表を貼るには、「マークダウンのコードに変換して」と頼めば書き出してくれるので、ノートを「markdown」編集モードにして、コピペすれば簡単です。
sub  

Loading ...

    ノート表示（LV2）
2 - Matrix Calculus and Probability Theory：学習メモ   LV2     Link：no title   2024/2/9
”
”
  引用元：
  引用元：
#### Matrix Calculus and Probability Theory

講義第2回である「Matrix Calculus and Probability Theory」は、機械学習の基本的な数学的概念に焦点を当てています。

------

1. **Matrix Calculusの基本**:
- ベクトル、行列、テンソルなどの数学的概念を再確認しました。
- スカラー、ベクトル、行列の微分法について学びました。
- 微分の連鎖法則やヤコビアン行列に関する基本的なルールを理解しました。

2. **確率論の基本**:
- 確率変数、確率分布、期待値、分散などの確率論の基本的な概念について学びました。
- 条件付き確率やベイズの定理に焦点を当てました。

3. **多変数の確率分布**:
- 多変数の確率分布について学び、同時確率分布と周辺確率分布の概念を理解しました。
- 共分散行列と相関係数について学習しました。

4. **確率分布の種類**:
- 正規分布、一様分布、指数分布など、さまざまな確率分布について紹介されました。
- これらの分布の確率密度関数や累積分布関数に関する情報を得ました。

5. **確率変数の変換**:
- 連続確率変数の変換に関して学び、変数変換の確率密度関数を求める方法について理解しました。
clip （公開時は表示されません）
  sub_notes （LV3）   全て開く   全て閉じる
none   LV3 6月7日  
0
”
”
  引用元：
  引用元：
none
 sub

  コメント

  コメントを書く
ads
ads