Pythonで学ぶ、
データ解析・機械学習を理解するための
線形代数入門
~数式とアルゴリズムの関係性を理解し、実務でより活かすために~
受講可能な形式:【ライブ配信(見逃し配信付)】のみ
機械学習・データ解析を“使う”から、“理解して使いこなす”へ。
そのために重要となる線形代数を中心とした数学的基礎について、モデルの中身を読み解き、結果を解釈できる力を養うことを目的に、Pythonによる実装を交えながら体系的に解説します。
そのために重要となる線形代数を中心とした数学的基礎について、モデルの中身を読み解き、結果を解釈できる力を養うことを目的に、Pythonによる実装を交えながら体系的に解説します。
| 日時 | 2026年3月31日(火) 13:00~16:30 |
|
|---|---|---|
|
受講料(税込)
各種割引特典
|
49,500円
S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
|
|
|
E-Mail案内登録なら、2名同時申込みで1名分無料
1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須/1名あたり定価半額24,750円)3名で74,250円 (3名ともE-Mail案内登録必須) ※4名以上の場合も1名あたり24,750円で受講できます。
定価:本体36,000円+税3,600円 E-Mail案内登録価格:本体34,400円+税3,440円 ※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。 ※申込フォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。 ※他の割引は併用できません。 |
||
| 特典 | ■ライブ受講に加えて、見逃し配信でも1週間視聴できます■ 【見逃し配信の視聴期間】2026年4月1日(水)~4月7日(火)まで ※このセミナーは見逃し配信付きです。セミナー終了後も繰り返しの視聴学習が可能です。 ※ライブ配信を欠席し見逃し視聴のみの受講も可能です。 ※動画は未編集のものになります。 ※視聴ページは、開催翌営業日の午前中には、マイページにリンクを設定する予定です。 | |
| 配布資料 | PDFテキスト(印刷可・編集不可) ※開催2日前を目安に、弊社HPのマイページよりダウンロード可となります。 | |
| オンライン配信 | ZoomによるLive配信 ►受講方法・接続確認(申込み前に必ずご確認ください) | |
| 備考 | ※講義中の録音・撮影はご遠慮ください。 ※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。 | |
| 得られる知識 | ・機械学習において線形代数がなぜ重要なのかを本質から理解できる。 ・線形代数の数式の意味を理解し、Pythonで計算・実装できる力が身につく。 ・回帰・分類・次元削減といった代表的手法の「中身」と考え方が理解できる。 | |
| 対象 | ・Pythonを用いたデータ解析や機械学習を業務・研究・学習に活用したいが、理論の理解に不安を感じている方 ・線形代数をデータ解析・機械学習の基礎として学び直したい社会人・学生 ・数式やアルゴリズムの意味を理解した上で、機械学習モデルの挙動や結果を理解・解釈したい社会人・学生 ・データ解析や機械学習に関心を持ち、基礎理論から体系的に学びたい技術者・研究者 | |
セミナー講師
佐賀大学 教育研究院 自然科学域理工学系 教授 博士(数理学) 皆本 晃弥 氏
【専門】応用数学
近年は数理・データサイエンス・AI教育に力を注ぎ、数学およびコンピュータ分野を中心に20冊以上の著書を出版している。AIやデータサイエンス分野において「使い方」やツール操作に偏りがちな現状の中で、アルゴリズムや数式の原理から丁寧に解説することを重視した教育・執筆スタイルを特徴としている。
一方で、高校生や社会人向けには入門的な内容から分かりやすく説明する講義も行っており、理解レベルや目的に応じた柔軟な教育を実践している。
【ホームページ】 https://www.ma.is.saga-u.ac.jp/minamoto/
【専門】応用数学
近年は数理・データサイエンス・AI教育に力を注ぎ、数学およびコンピュータ分野を中心に20冊以上の著書を出版している。AIやデータサイエンス分野において「使い方」やツール操作に偏りがちな現状の中で、アルゴリズムや数式の原理から丁寧に解説することを重視した教育・執筆スタイルを特徴としている。
一方で、高校生や社会人向けには入門的な内容から分かりやすく説明する講義も行っており、理解レベルや目的に応じた柔軟な教育を実践している。
【ホームページ】 https://www.ma.is.saga-u.ac.jp/minamoto/
セミナー趣旨
近年、Pythonを用いたデータ解析や機械学習の活用は多くの分野で一般的になりつつあります。
一方で、ライブラリを用いて計算やモデル構築はできても、その背後にある数式やアルゴリズムの意味を十分に理解できていないという声も多く聞かれます。
本セミナーでは、機械学習やデータ解析を正しく理解・活用するために不可欠な「線形代数」を中心とした数学的基礎を、Pythonによる実装を交えながら体系的に解説します。Pythonの使い方を主目的とする講座ではなく、数式とアルゴリズムの関係性を理解することで、モデルの中身を読み解き、結果を解釈できる力を養うことを目的としています。
一方で、ライブラリを用いて計算やモデル構築はできても、その背後にある数式やアルゴリズムの意味を十分に理解できていないという声も多く聞かれます。
本セミナーでは、機械学習やデータ解析を正しく理解・活用するために不可欠な「線形代数」を中心とした数学的基礎を、Pythonによる実装を交えながら体系的に解説します。Pythonの使い方を主目的とする講座ではなく、数式とアルゴリズムの関係性を理解することで、モデルの中身を読み解き、結果を解釈できる力を養うことを目的としています。
セミナー講演内容
第1部:導入
1.データ解析・機械学習における線形代数の役割
2.Pythonの線形代数計算ライブラリ(NumPy等)
3.データをベクトル・行列として扱うという考え方
第2部:線形代数の基礎
4.スカラー・ベクトル・行列の基礎
5.ベクトルの表現と幾何学的な意味
6.ベクトルの加法とスカラー倍
7.内積の定義と計算
8.内積が表す角度と関係性
9.ノルムと距離の考え方
10.コサイン類似度
11.行列の転置
12.行列積
13.行列式
14.逆行列
第3部:線形変換と固有値
15.線形変換と行列による表現
16.座標変換としての線形変換の理解
17.固有値と固有ベクトルの定義
18.固有値・固有ベクトルの性質
第4部:回帰モデルと線形代数
19.単回帰モデルの数式表現
20.重回帰モデルと行列表現
21.多項式回帰モデルと行列表現
第5部:分類・次元削減への応用
22.ロジスティック回帰のモデル構造
23.ロジスティック回帰と分類問題の考え方
24.ソフトマックス回帰と多クラス分類
25.主成分分析(PCA)の基本原理
26.PCAと固有値・固有ベクトルの関係
□ 質疑応答 □
1.データ解析・機械学習における線形代数の役割
2.Pythonの線形代数計算ライブラリ(NumPy等)
3.データをベクトル・行列として扱うという考え方
第2部:線形代数の基礎
4.スカラー・ベクトル・行列の基礎
5.ベクトルの表現と幾何学的な意味
6.ベクトルの加法とスカラー倍
7.内積の定義と計算
8.内積が表す角度と関係性
9.ノルムと距離の考え方
10.コサイン類似度
11.行列の転置
12.行列積
13.行列式
14.逆行列
第3部:線形変換と固有値
15.線形変換と行列による表現
16.座標変換としての線形変換の理解
17.固有値と固有ベクトルの定義
18.固有値・固有ベクトルの性質
第4部:回帰モデルと線形代数
19.単回帰モデルの数式表現
20.重回帰モデルと行列表現
21.多項式回帰モデルと行列表現
第5部:分類・次元削減への応用
22.ロジスティック回帰のモデル構造
23.ロジスティック回帰と分類問題の考え方
24.ソフトマックス回帰と多クラス分類
25.主成分分析(PCA)の基本原理
26.PCAと固有値・固有ベクトルの関係
□ 質疑応答 □
関連商品
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL/TLS対応ページ(https)からの情報送信は暗号化により保護されます。
SSL/TLS対応ページ(https)からの情報送信は暗号化により保護されます。