研修担当者の「この研修、助成金は使える？」に8つの質問で答える「人材開発支援助成金 かんたん診断」を無料公開 ― 令和8年8月3日改正に対応新着!!
IT企業向け研修を手がけるセイ・コンサルティング・グループ株式会社（本社：名古屋市南区、代表取締役：山崎有生）は、人材開発支援助成金の受給額を8つの質問に答えるだけで概算できる無料ツール「人材開発支援助成金 かんたん診断 […]
Claude Codeの機能を、どこから教えるか：研修講師のための整理新着!!
こんにちは。ゆうせいです。 Claude Codeを新人研修に組み込もうとすると、最初に困るのが機能の多さです。スラッシュを打てば大量のコマンドが並び、環境変数も設定ファイルも複数あります。すべてを教えれば時間が足りず、 […]
Claude Codeのトークンを節約する9つの方法：研修と実務で使える整理新着!!
こんにちは。ゆうせいです。 Claude Codeを使い始めると、多くの方が同じ壁にぶつかります。使用量の上限に、思ったより早く到達してしまうという問題です。上位プランへの変更や追加購入という選択肢はありますが、その前に […]
指数と対数は、なぜその名前なのか：研修講師のための語源の使い方新着!!
こんにちは。ゆうせいです。 新人エンジニア研修で対数を扱うと、ほぼ必ず質問が出ます。指数は何となく分かるが、対数はなぜ「対」なのか、というものです。この問いに、私はうまく答えられない時期がありました。定義は説明できても、 […]
交差エントロピーを理解するための計算練習：天気予報で学ぶ情報量新着!!
こんにちは。ゆうせいです。 ディープラーニングの分類問題では、交差エントロピー誤差という損失関数が使われます。式を見ると、確率の対数にマイナスをつけて足し合わせるだけの、単純な形をしています。しかし、なぜこの形なのか、な […]
第16章 なぜGPUで速くなるのか、そして次の一歩新着!!
こんにちは。ゆうせいです。 第1章から続いてきたこの連載も、最終章です。第15章までで、順方向の計算も、学習のための逆方向の計算も、その大半が行列演算であることを確認してきました。第16章では、その事実がもたらす実務的な […]
第15章 誤差逆伝播に現れる行列の転置新着!!
こんにちは。ゆうせいです。 第14章では、勾配がベクトルであり、それを使ってパラメータを更新することを確認しました。しかし、その勾配は、どうやって計算されるのでしょうか。パラメータが1億個あるモデルで、1億個の偏微分を、 […]
第14章 勾配ベクトルとは何か新着!!
こんにちは。ゆうせいです。 第13章までで、入力から出力へ向かう順方向の計算を扱ってきました。第14章からは、第IV部として、学習の仕組みに現れる線形代数を扱います。ここまでの説明では、重み行列の値は学習によって決まる、 […]
第13章 線形だけでは足りない理由新着!!
こんにちは。ゆうせいです。 第12章の最後に、宿題を残しました。 という構造が、線形変換だけでは意味を持たない、という話です。第13章では、この理由を正面から扱います。この連載は、なぜディープラーニングに線形代数が必要な […]
第12章 次元の拡大と縮小の意味新着!!
こんにちは。ゆうせいです。 第11章では、2次元の図を使って、行列がどのような変換を行うのかを見てきました。ただし、そこで扱ったのは、2次元から2次元への変換だけでした。第12章では、次元そのものが変わる場合を扱います。 […]
第11章 2次元で見る線形変換：回転、伸縮、射影新着!!
こんにちは。ゆうせいです。 第10章までで、線形代数の計算方法は一通り揃いました。ここからは第III部に入ります。計算の手順ではなく、その計算が何をしているのかという意味を扱います。第11章のテーマは、線形変換です。行列 […]
第10章 形を合わせる：転置、reshape、ブロードキャスト新着!!
こんにちは。ゆうせいです。 第9章までで、線形代数の主要な計算は一通り揃いました。第10章は、少し性格の異なる章です。理論というより、実務のための章です。ディープラーニングのコードを書き始めると、最も頻繁に遭遇するのが、 […]
第9章 行列と行列の積：バッチ処理の仕組み新着!!
こんにちは。ゆうせいです。 第8章では、行列とベクトルの積が全結合層そのものであることを確認しました。ただし、そこで扱ったのは入力が1件だけの場合です。実際の学習では、データを1件ずつ処理することは、まずありません。32 […]
第8章 行列とベクトルの積：全結合層の正体新着!!
こんにちは。ゆうせいです。 第7章で、多数のニューロンの計算をまとめたいという動機を確認しました。第8章では、そのまとめ方を具体的に扱います。行列とベクトルの積です。この連載の中心となる章であり、ここを理解すれば、ニュー […]
第7章 ニューロンをまとめるという考え方新着!!
こんにちは。ゆうせいです。 第6章で、ニューロン1個の計算が内積であることを確認しました。しかし、実際のニューラルネットワークには、1つの層に何百、何千というニューロンが並んでいます。GPT-2という言語モデルでは、1つ […]
第6章 内積：似ている度合いを測る新着!!
こんにちは。ゆうせいです。 第5章では、ベクトルの足し算とスカラー倍を扱いました。この二つの演算では、ベクトルどうしを計算しても、結果はベクトルのままでした。第6章で扱う内積は、性質が異なります。ベクトルとベクトルを計算 […]
第5章 ベクトルの足し算とスカラー倍：情報を混ぜる、情報を強める新着!!
こんにちは。ゆうせいです。 第4章までで、データが数値の並びになることを確認しました。第5章から、いよいよ計算に入ります。最初に扱うのは、ベクトルの足し算とスカラー倍です。この二つは、線形代数で最も単純な演算であり、計算 […]
第4章 画像も文章も数値の並びになる新着!!
こんにちは。ゆうせいです。 第3章までで、スカラー、ベクトル、行列、テンソルという入れ物が揃いました。第4章では、その入れ物に、実際のデータを詰めていきます。写真、文章、音声、表計算のデータ。これらは、私たちから見ればま […]
第3章 行列とテンソル：数値の並びを積み重ねる新着!!
こんにちは。ゆうせいです。 第2章では、スカラーとベクトルを扱いました。数値1個と、数値が1列に並んだもの。ここまでは、比較的すんなり理解できたのではないでしょうか。第3章では、その並びをさらに積み重ねていきます。ベクト […]
第2章 スカラーとベクトル：数値1個と、数値の並び新着!!
こんにちは。ゆうせいです。 第1章では、ディープラーニングにおける線形代数の役割を、大きな地図として確認しました。第2章から、具体的な道具を一つずつ手に取っていきます。最初に扱うのは、スカラーとベクトルです。この二つは、 […]
第1章 なぜディープラーニングに線形代数が必要なのか新着!!
こんにちは。ゆうせいです。 本記事から、全16章にわたって、ディープラーニングに線形代数が必要な理由を解説していきます。ディープラーニングを学び始めると、必ずと言っていいほど「線形代数を勉強してください」と言われます。し […]
ロス関数とは何か：情報量からクロスエントロピー誤差までを順を追って理解する新着!!
こんにちは。ゆうせいです。 ニューラルネットワークが学習するとき、その裏側では必ずロス関数というものが働いています。しかし、代表的なロス関数であるクロスエントロピー誤差の式を初めて見ると、対数が並んでいて、なぜこの形なの […]
機械学習ではなぜlogを取るのか：五つの理由を整理する新着!!
こんにちは。ゆうせいです。 機械学習を学んでいると、あちこちで対数が登場します。交差エントロピー誤差の式にlogがあります。尤度を最大化するとき、対数尤度を使います。前処理でデータを対数変換することもあります。損失のグラ […]
『シン・営業力』第3章から学ぶ「戦略眼」――営業は「売る人」ではなく、お客様のゴールまで一緒に走る人新着!!
前回の記事では、『シン・営業力』（天野眞也著）の第2章を通して、「観察眼」について学びました。 お客様が何を考えているのか。どんな課題を抱えているのか。競合と比べたとき、自社にはどんな強みがあるのか。 営業では、いきなり […]
第14章 出力層：ロジット、Softmax、そして温度パラメータ新着!!
こんにちは。ゆうせいです。 第13章までで、Transformerブロックの中身がすべて揃いました。GPT-2（small）では、そのブロックが12回繰り返されます。第14章では、12個のブロックを通過した後、最終的に「 […]
第13章 MLP層とGELU：トークンごとの情報を加工する新着!!
こんにちは。ゆうせいです。 第12章までで、Transformerブロックの前半、すなわち注意機構とその周辺の仕組みが揃いました。第13章では、ブロックの後半にあたるMLP層を扱います。Transformer Expla […]
第12章 レイヤー正規化：値のばらつきを揃えて学習を安定させる新着!!
こんにちは。ゆうせいです。 第11章では、残差接続が深いモデルの学習を可能にすることを確認しました。しかし、残差接続だけでは十分ではありません。もう一つ、学習を安定させる柱があります。レイヤー正規化（Layer Norm […]
第11章 残差接続：入力をそのまま足し合わせる仕組み新着!!
こんにちは。ゆうせいです。 第10章までで、マルチヘッドアテンションによる出力が得られました。この出力は、そのまま次の処理に渡されるわけではありません。注意機構に入る前の入力が、出力に足し合わされてから、先に進みます。こ […]
第10章 マルチヘッドアテンションと出力射影：複数の視点で同時に見る新着!!
こんにちは。ゆうせいです。 第9章で、自己注意という仕組みが一通り完成しました。しかし、実際のTransformerでは、この自己注意を一つだけ動かしているわけではありません。同じ処理を複数、並列に動かしています。これが […]
第9章 Softmaxと重み付き和：文脈をベクトルに取り込む新着!!
こんにちは。ゆうせいです。 第8章までで、どのトークンがどのトークンにどれだけ注目すべきかを表すスコア行列が完成しました。しかし、この段階のスコアは、まだ確率ではありません。マイナスの値も含まれ、合計も1になっていません […]