指数と対数・数列から、ベクトルと行列、微分と勾配降下、確率と統計まで。全30レッスンで「機械学習やアルゴリズムの式を読んで、自分でコードに落とせる」ところまで進みます。証明は並べません。手で計算してから NumPy に渡す順番で、出力はすべて実際に動かしたものを載せています。
全30レッスンを6つの章に分けています。第1章から順に進めるのがおすすめですが、
気になるところだけ拾い読みしてもかまいません。
※ 証明を並べるコースではありません。式が何のための道具かを掴むことを優先しています。
※ サンプルの多くはブラウザ内でそのまま実行できます（標準ライブラリだけを使っています）。numpy や scipy が要る回は、手元の python3 で試してください。
数学の記号を Python のコードとして読み直し、指数・対数・数列という「伸び方を測る道具」をそろえます。最後は float の誤差を実際に踏んで、数字を信じてよい桁を見分けられるようにします。
ベクトルと行列を、素の Python のリストで最後まで自分の手で計算します。内積・行列積・逆行列・固有値まで書き終えてから、最後に同じ処理を NumPy の 1 行に置き換えます。
傾きを数値で求めるところから始めて、連鎖律・偏微分・勾配までを手で計算します。最後は勾配降下法を素の Python で回し、最小二乗法の答えとぴったり一致するところまで見届けます。
「数えれば出る」ところから始めて、条件付き確率・ベイズ・期待値・分散・代表的な分布まで進みます。乱数のシードを固定したシミュレーションで、理論値に寄っていく様子を毎回その場で確かめます。
手元のデータを要約する記述統計から、そこから母集団を推し量る推定・検定までを扱います。並べ替え検定を自分で書いて p 値を出し、最後は相関と回帰を最小二乗法の公式で解きます。
数字の読み違いが起きる典型を 4 つ実際に作って、どこで判断を誤るのかを体で覚えます。最後は論文やドキュメントの式をコードに落とす練習をして、次に進むコースへの地図を渡します。
全30レッスンを終えたら、次はこの道具を使う側へ。Python & 機械学習 入門コース でデータを扱い、PyTorch & ディープラーニング入門コース で学習ループの中身を見て、アルゴリズム基礎 入門コース で計算量を測り、データ分析実務入門コース で数字を意思決定につなげる——どれもこのコースの続きになります。メンバーシップで全コースが解放されます。