「数学のおさらい」パートでは、G検定で必要となる数学知識のベースとなる基礎をおさらいします。
 
＜計算のおさらい＞
絶対値、分数計算、四捨五入、文字式、方程式
 
＜割合のおさらい＞
「正答率90％」「誤差5％」などAI評価で必須の割合の概念を復習します。
 
＜比のおさらい＞
「3：2」などデータの関係性を表現する比の使い方を学びます
 
＜座標とグラフ、一次関数の基礎＞
グラフの読み方・描き方の基礎
 
＜平方根の計算＞
√（ルート）、平方根の計算
 
＜二次関数と変化の割合＞
曲線の特徴と「変化の割合」の概念
 
＜微分＞
AIの学習で最重要な「微分」の考え方と計算方法
 
＜偏微分＞
複数の要素が絡む場面での「部分的な変化」を捉える偏微分の計算方法
 
申込み後に閲覧できる、講座資料のスライドURLから自分のペースで学習を進めてください。

ただの暗記になりがちな「統計用語」をしっかり理解していきます。
 
＜統計の基礎とデータの見方＞
平均、中央値、最頻値などデータの特徴を数値で表す基本的な方法統計的仮説検定、対立仮説、帰無仮説
 
＜確率の基本＞
確率の定義、条件付き確率、ベイズの定理などAIの判定根拠となる確率の考え方
 
＜データのばらつきと分布＞
分散、標準偏差、正規分布など、データのばらつきと分布の形を理解する
 
＜期待値と相関関係＞
期待値の概念と変数間の関係性を表す相関係数
 
＜回帰分析と最適化＞
回帰分析の基本概念、最小二乗法など最適化手法
 
申込み後に閲覧できる、講座資料のスライドURLから自分のペースで学習を進めてください。

AIの「共通言語」でもある数を表や矢印で整理して計算する数学＜線形代数＞について学びます
 
＜ふんわりベクトル＞
数値の並びとして表現されるベクトルの概念
 
＜ふんわり行列＞
行列の基本概念と計算方法
 
＜コサイン類似度距離＞
ベクトル間の「似ている度合い」を図る方法
 
申込み後に閲覧できる、講座資料のスライドURLから自分のペースで学習を進めてください。

G検定で頻出のAI数学を、これまで学んだ基礎知識を使って理解します。実務でAIを活用する際にも役立つ実践的な知識です。
 
＜分類モデルの評価指標＞
適合率、再現率、F値など分類モデルの性能を数値で評価する方法
 
＜回帰評価指標＞
平均二乗誤差（MSE）、平均絶対誤差（MAE）、決定係数など、回帰モデルの評価方法
 
＜ニューラルネットワーク＞
ニューロンの数式、活性化関数、誤差逆伝播法など、G検定で出題されるニューラルネットワークの数学的な仕組み
 
＜畳み込み演算＞
畳み込み、パディングなど、CNNで使われる演算の数学的な意味
 
申込み後に閲覧できる、講座資料のスライドURLから自分のペースで学習を進めてください。