【E資格】情報理論の基礎｜エントロピー・クロスエントロピー・KLダイバージェンス新着!!
2026年7月18日
この項目では、「情報の量」を数学的に定義する情報理論の基本概念を学びます。分類問題の標準損失であるクロスエントロピーや、分布間の隔たりを測るKLダイバージェンスの土台であり、E資格では計算問題も出やすい重要単元です。
【E資格】パターン認識とk近傍法｜ユークリッド距離・コサイン距離・kd-treeを解説新着!!
2026年7月18日
この項目では、パターン認識の最も基本的な手法であるk近傍法と、その中核をなす「距離(類似度)の測り方」、そして近傍探索を高速化するデータ構造・アルゴリズムを学びます。距離の定義は検索・推薦・距離学習など現代の応用にも直結する基礎です。
【E資格】確率モデルのパラメータ推定｜最尤推定・MAP推定・ベイズ推定の違い新着!!
2026年7月18日
この項目では、観測データから確率モデルのパラメータを決める3つの立場(最尤推定・MAP推定・ベイズ推定)を学びます。深層学習の損失関数(クロスエントロピーや平均二乗誤差)が「なぜその形なのか」を説明する、試験でも頻出の重要単元です。
【E資格】一般的な確率分布｜確率変数・期待値からベルヌーイ分布・ガウス分布まで新着!!
2026年7月18日
この項目では、機械学習を確率の言葉で記述するための基礎概念と、代表的な確率分布を学びます。損失関数の導出や生成モデルの理解など、後続のほぼすべての単元の前提となる内容です。
【E資格】固有値分解・特異値分解を解説｜固有ベクトル・対角化・特異値の基礎新着!!
2026年7月18日
この項目では、行列を「意味のある成分」に分解する固有値分解と特異値分解を学びます。主成分分析(PCA)や低ランク近似など、機械学習の重要手法の数学的な裏付けとなる内容です。