2018年04月26日に初出の投稿

Last modified: 2018-04-27

機械学習をやる前に学んでおくべき最低の数学

この手の話は、検索してシンクタンクや大学の研究者が説明していれば、まずはそれを参考にすることだ。こういう、実務で何の業績があるのかもわからない暇人が何を書いていても説得力はない。

そもそも、機械学習や人工知能やデータ・サイエンスの教養というテーマは、Medium でも山のように書かれている。それらをざっと眺めて、取り上げられている分野で最も共通しているものから始めればよいのだ。となると、上記の記事でも指摘されているように、理数系の初年度で習う微分積分学と線形代数は必須だろう。しかし問題は、データ・サイエンスや機械学習での解析に取り組もうという人が、そもそもそんな初年次の素養もなしに業務に携わるものなのかということだ。なんちゃって IT 企業で、金とコネだけはある上司から適当に指示された、せいぜい HAL とかでプログラミングを習ったていどの人材がやらされるという状況なら分かるが、東大の理学部を出て量子コンピューティングのベンチャーに就職したような人が、そんなレベルの勉強が必要なのかどうか、そもそも基本的な見識として知りもしないなんてことはありえない。

よって、殆ど数学の素養がない人にとってだけ有用な記事ということなら、もうそんなものはいくら書いても屋上屋を重ねるだけだ。大学の初等的な数学を勉強しろとしか言いようがない。それが嫌なら、どこの誰が組んだのかもわからないブラックボックスでやれる範囲で、さっさと結果を出すことだ。結果を出しまくっていれば、もしブラックボックスの仕組みがおかしかったとしても、どこかの誰かが気付いてくれるだろう。Google が TensorFlow などをオープンにしているのは、実際にはそういうフィードバックが欲しいからであろう。機械学習をどうやって勉強すればいいのかなどと悩んでいる人物が、プレプリント・サーバに新しい論文をアップロードするまでに研究者として成長してほしいなどと、Google が望んだり期待しているわけではあるまい。それは、ガキにプログラミングを教えるなんてプロジェクトがスタンフォードやカーネギー=メロンへ進学する人を増やすためではなく、コーディングできるブルーカラーを増やすためであることと同じだろう。

  1. もっと新しいノート <<
  2. >> もっと古いノート

冒頭に戻る


※ 以下の SNS 共有ボタンは JavaScript を使っておらず、ボタンを押すまでは SNS サイトと全く通信しません。

Twitter Facebook