みんなのAI – 基礎数学から逆伝播まで、演算の流れで理解するAI学習プラットフォーム
(mdooai.com)こんにちは。開発者として働く中でAIに関心を持つようになり、昨年から夜間のAI大学院に通って学んでいる会社員です。
AIコンテストに参加して受賞も経験し、さまざまなモデルを自分で作ってチューニングしてみる中で感じたことがあります。
テクニックも重要ですが、結局パフォーマンスの差を生み出すのは基礎への理解でした。
バイブコーディングでモデルを素早く適用することは簡単になりましたが、性能が期待ほど出ないときにその原因を説明し、改善することは依然として難しいです。
特に数学的基盤やAIの原理への理解がなければ、どこでボトルネックが発生しているのかを構造的に分析するのは難しいと感じました。
そこで、学びながら整理した内容をもとに、自分で学習プラットフォームを開発して公開しました。
このプラットフォームは、基礎数学からディープラーニングの中核構造まで段階的につながるカリキュラムで構成されています。
📘 Part 1. 基礎数学とAI
Ch.00 基礎数学とAI: AIの言語を学ぶ
Ch.01 関数: 入力と出力をつなぐAIの基本単位
Ch.02 指数と指数関数: 成長と活性化の数学
Ch.03 対数関数: 掛け算を足し算に、損失を設計する言語
Ch.04 極限とε-δ: 「限りなく近づく」を定義する
Ch.05 連続性: 途切れない曲線、微分への扉を開く
Ch.06 微分と導関数: 瞬間の傾き、学習のコンパス
Ch.07 連鎖律: 重なった関数をほどく、逆伝播の核心
Ch.08 偏微分と勾配: 複数変数の世界、勾配降下の方向
Ch.09 積分: 面積と累積、確率への橋
Ch.10 確率変数と確率分布: 不確実性を数字で表す
Ch.11 平均と分散: 分布の中心と広がり
Ch.12 一様分布と正規分布: 初期化から予測まで
📗 Part 2. ディープラーニングの構造理解
Ch.00 ディープラーニングの第一歩: AIはどう考えるのか?
Ch.01 ベクトル内積: データ同士の似姿を見つける
Ch.02 行列積: まとめて計算する魔法
Ch.03 線形層: 重要度を決める重み
Ch.04 活性化関数: AIに判断力を加える
Ch.05 人工ニューロン: 情報を集めて信号を送る単位
Ch.06 バッチ処理: まとめて一度に学習する
Ch.07 重みの接続: 知能を生み出す無数の鎖
Ch.08 隠れ層: 目に見えない思考の深さ
Ch.09 深いニューラルネットワーク: より複雑な問題を解く力
Ch.10 幅とニューロン: 一度により多くの特徴を見つける
Ch.11 ソフトマックス: 結果を確信に変える
Ch.12 勾配と逆伝播: 間違いを通じて学ぶ方法
Ch.13 総まとめ: ひと目で見るAIマップ
単なる概念の要約ではなく、演算の流れを段階的にたどりながら「なぜこのように動くのか」を理解する構成にしました。可視化とインタラクションを中心にしています。
今後は、機械学習を含めたさまざまなAI教育コンテンツを継続的に拡張していく予定です。
まだ初期バージョンですが、継続的に改善しています。
フィードバックをいただければ積極的に反映します。
9件のコメント
ありがとうございます。AIの勉強に使ってみます
ありがとうございます。今後さらに多くのコンテンツを追加する予定です。ぜひまた頻繁に遊びに来てください！
関数。15番の問題。$f(x) = -3x + 5, f(7) = -16
16と入力したのに不正解と表示されます
あっ、エラーを修正するようにします。ありがとうございます！
問題の解答過程で回答を入力した際、正解が
-が付いた負の数である場合、あらかじめ付いている符号を認識できず、不正解として判定されます。あっ、エラーは修正するようにします。ありがとうございます！
AdSenseを初めて適用してみたので、ミスがありましたね…！ 修正します、ありがとうございます :)
内容は良いのですが、広告ポップアップが多すぎて見づらいですね。
AdSenseを初めて適用してみたので、ミスがありましたね…！ 修正します、ありがとうございます :)