新着
0:53:51
おすすめの学習動画
「分析」の関連動画 一覧を見る
因果関係 ~原因と結果の関連を理解する~
因果関係とは、あるものごとが「原因」と「結果」の関係でつながっていることです。「因果関係」という言葉は様々な場面で使われますが、ビジネスにおいても、因果関係の把握は問題解決などの場面でとても重要な思考技術の一つです。 因果関係を把握し、因果関係を明らかにすることのメリットやコツを身につけましょう。
9分
相関分析 ~データの関係性を理解する分析手法~
相関分析とは二次元の図表に2つの軸をとり各要素の関連性を見る分析手法です。 物事の因果関係を見たり、物事に影響を与える重要な要素を見極めるヒントを得ることができます。 ※2018年4月、一部内容をリニューアルいたしました。 相関分析【旧版】でコースを修了している場合でも、本コースは未視聴・未修了の状態となります。 旧版の修了証はマイページの「学習の履歴」より引き続き発行いただけます。
9分
散布図 ~数字同士の関係性を勘に頼らず分析・判断する~
散布図は2つの数字の関係を見ることができるグラフです。円グラフや折れ線グラフなどグラフには様々な種類がありますが、2つの変数の関係性を調べるときには、散布図が有効です。 2つの数字を「比較」し、関係を見極めることで「因果関係」を推し量ることができます。 ビジネスの場において、勘に頼らない判断をするためにも、散布図を理解し使いこなせるようになりましょう。
6分
ビジネス定量分析（前編）
「なんとなく数字に苦手意識がある」という方もいるかもしれませんが、ビジネスで使われる定量分析の基本は、とてもシンプルです。 前編・後編を通して、事例を用いながら、ビジネスの意思決定に求められる分析の基礎、分析の際の考え方、グラフでの見せ方などを学んでいきます。 まず前編では、分析とは何か、そのための仮説思考の考え方をおさえ、分析の視点を養います。 物事を経験や感覚ではなく、定量的な根拠を持って考察し、判断する能力を身につけましょう。 ※「ビジネス定量分析」は「前編」「後編」の2コースからなります。 「前編」を修了した方は、「後編」も視聴されることをお薦めします。 ・ビジネス定量分析（後編） https://unlimited.globis.co.jp/ja/courses/ddf49175/learn/steps/36637 ※2020年9月23日、動画内のビジュアルを一部リニューアルしました。内容に変更はありません。 旧版でコースを修了している場合、本コースは未視聴・未修了の状態となります。 旧版の修了証はマイページの「学習の履歴」より引き続き発行いただけます。
49分
パレート分析 ~構成要素の影響を優先順位や判断に生かす~
パレート分析とは、構成要素を大きい順に並べた棒グラフと、それらの累積量（全体に対する百分率）を示す折れ線グラフを組み合わせることで、上位の一部要素が全体にどのくらい貢献しているかをみる分析方法です。 ビジネスにおいて物事を重要なものから処理する、あるいは改善感度の大きいものから手をつけるといった優先順位付けや判断に役立てることができます。
4分
フェルミ推定 ~限られた情報から概算値を推計する~
フェルミ推定は、正確な数値がすぐに分からない時などに、入手しやすい情報等をもとに、論理的に推論し、概算の値を求めることです。 コンサルティング会社や外資系企業の採用試験や面接で使われることもあり、論理的思考力を確認するために活用されることもあります。 たとえば、「日本にある電柱の数は何本か？」と問われたら、どのように回答しますか？ いくつかの手掛かりや限られた情報から、論理的に推論し、概算値を推計する力を身につけましょう。
10分
ビジネス定量分析（後編）
「なんとなく数字に苦手意識がある」という方もいるかもしれませんが、ビジネスで使われる定量分析の基本は、とてもシンプルです。 前編・後編を通して、事例を用いながら、ビジネスの意思決定に求められる分析の基礎、分析の際の考え方、グラフでの見せ方などを学んでいきます。 後編となる本コースでは、グラフの見せ方、数字の使い方、そして数値の関係性を見抜く上で必要となる数式化の基本を解説していきます。 物事を経験や感覚ではなく、定量的な根拠を持って考察し、判断する能力を身につけましょう。 ※「ビジネス定量分析」は「前編」「後編」の2コースからなります。 「前編」を視聴していない方は、以下より視聴ください。 ・ビジネス定量分析（前編） https://unlimited.globis.co.jp/ja/courses/f64e4ff5/learn/steps/36653 ※2020年9月23日、動画内のビジュアルを一部リニューアルしました。内容に変更はありません。 旧版でコースを修了している場合、本コースは未視聴・未修了の状態となります。 旧版の修了証はマイページの「学習の履歴」より引き続き発行いただけます。
1時間 8分
回帰分析 ~因果関係を把握・分析しビジネスのヒントを得る~
回帰分析とは、ある変数と他の1つ、またはいくつかの変数の関係を見る分析です。たとえばアイスの売上に影響を与える変数を知るといったことです。どの変数に関係があるかを明らかにすることで、施策検討に活かすことができます。また、変数間の関係を知ることで、知りたい情報の予測をすることができます。 単回帰分析と重回帰分析の手法を通して、変数間の関係の把握やそれに基づいた予測などを学びます。 ※2019年5月、一部内容をリニューアルいたしました。 旧版でコースを修了している場合、本コースは未視聴・未修了の状態となります。 旧版の修了証はマイページの「学習の履歴」より引き続き発行いただけます。
15分
クロス集計 ~アンケートや調査分析の基本を理解する~
クロス集計は、アンケートや調査結果を集計する際の基本となる集計方法の1つです。 例えば「賛成」「反対」を問うアンケートを実施した場合、各回答の割合を集計したものは単純集計と呼ばれますが、これを性別や年齢層別といった属性別に集計するのに役立つのがクロス集計です。 クロス集計は、幅広い用途で活用され、ビジネスパーソンが知っておくべき分析ツールです。 クロス集計のメリットや分析の考え方を理解し、ビジネスに役立てましょう。
10分
感度分析 ~計画の安定性や危険度を予め分析する~
感度分析は、計画や予想を立てる際に、ある数値が現状または予測値から変動したとき、連動して動く別の数値がどれだけ変化するかを見るものです。 ビジネスの数値は、計算式で表現できるものが多くあります。計算式の数値の変化を考えながら、最終的な計算結果の振れ幅を分析するのが、感度分析です。 最終的な利益やキャッシュフローなどへの影響、計画のリスクを知り、改善を図るのに役立ちます。 ※2019年8月、一部内容をリニューアルいたしました。 旧版でコースを修了している場合、本コースは未視聴・未修了の状態となります。 旧版の修了証はマイページの「学習の履歴」より引き続き発行いただけます。
6分
定量分析の5つの視点 ~データの目のつけどころを理解する~
定量分析の本質は、データを比較することです。よって、データのどこに目をつけて何を比較するかという目のつけどころが非常に大切になります。 この動画では、目のつけどころを「定量分析の5つの視点」としてご紹介します。感度の良い分析を行い正しい意思決定をするために、定量分析の際に意識するべきポイントを説明します。
11分
ビジネスでのデータ活用
皆さんは日々のビジネスの中で、データをうまく活用できていますか？ データ・ドリブンといった言葉もよく聞かれますが、一口に「データ」と言っても何から始めたらよいのか。そもそも、データを活用する意義はどこにあるのか。 そんな悩めるビジネスパーソンのために、Tableau Japan 株式会社の福島隆文氏に、昨今のデータに関する世の中の潮流と効果的なデータ活用の実現ステップについてお話しいただきます。
56分
おすすめの学習動画
AI BUSINESS SHIFT 第7回 マネジメント編：AIで進化する組織開発・人材育成
本コースは、リーダー・マネージャー層を対象に、AIのマネジメント活用・組織活用を体系的に学ぶ『AI BUSINESS SHIFTシリーズ（全12回）』の第7回です。 第7回「AIで進化する組織開発・人材育成」では、AIは人や組織にどのような影響を与えるのか、人や組織はAIと共にどのように進化していくべきかについて学びます。 ■こんな方におすすめ ・AI時代の組織開発や人材育成のポイントを学びたい方 ・組織開発や人材育成を担う人事担当者や現場リーダーの方 ・OpenAIやパナソニックHDの取り組みを参考にしたい方 ■AIシフトシリーズとは？ 『AI BUSINESS SHIFTシリーズ』は以下の3部構成で設計された全12回のシリーズです。（順次公開） https://unlimited.globis.co.jp/ja/tags/AI%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E3%82%B7%E3%83%95%E3%83%88 ・基礎編（第1回〜3回）：リーダーやマネージャーに求められる、AI時代の基礎的なリテラシーの強化を目的としたコース ・マネジメント編（第4回〜7回）：AI時代のリーダーシップや組織変革を中心に学ぶコース ・機能別戦略編（第8回〜12回）：AI時代における機能別での戦略のあり方を中心に学ぶコース より実践的なAIツールの活用法について学びたい方は『AI WORK SHIFTシリーズ』をご視聴ください。 https://unlimited.globis.co.jp/ja/search?tag=AI%E3%83%AF%E3%83%BC%E3%82%AF%E3%82%B7%E3%83%95%E3%83%88 ※本コースは、AIのマネジメント活用を学ぶ「AIビジネスシフト」シリーズの一環として提供しています。 ※本動画は、制作時点の情報に基づき作成したものです（2025年12月制作）
新着会員限定
マネジャーのための仕事の任せ方
「仕事を任せると失敗が怖い」「自分でやった方が早い」マネージャーとしてメンバーやチームの力を引き出しながら成果を上げるには、どのように仕事を任せていけば良いのでしょうか？ 変化の激しい時代において、マネージャーとして成果を上げ続けるためには、メンバーの個性や特性を理解し、それに合わせた効果的な任せ方を身につけることが重要です。このコースでは、ソーシャルスタイル理論を活用してメンバーごとに最適なアプローチを学びます。「任せる力」を高めることで、チーム全体の成長を促進し、自身のリーダーシップを発揮できるようになっていきます。 ※本動画は、制作時点の情報に基づき作成したものです（2024年12月制作）
会員限定
AI時代の個人力
AIが仕事や社会の前提を変え続ける今、最も求められるのは「他者に代替されない個としての力」“個人力”です。 本コースでは、澤円氏の著書『個人力』をもとに、AI時代をしなやかに生き抜くための「前向きな自己中戦略」を学びます。 テーマは、「Being（ありたい自分）」を中心に据え、自ら考え（Think）、変化し（Transform）、協働する（Collaborate）ことで、自分らしい価値を発揮していくこと。 リスキリングやAI活用が叫ばれる今こそ、スキルより先に“自分の軸”を問うことが重要です。 あなたは何を大切にし、どんな未来を描きたいのか？ このコースは、あなたが“ありたい自分”として生き、キャリアをデザインしていくための思考と行動のガイドになります。 ※本動画は、制作時点の情報に基づき作成したものです（2025年11月制作）
会員限定
【AI×クリティカル・シンキング】①イシューと枠組みでプロンプトを磨く
生成AIから期待する回答を引き出せず、試行錯誤を重ねていませんか。 本コースでは、生成AI活用の質を高める鍵として、クリティカル・シンキングの視点からイシュー設定と枠組みを押さえる重要性を解説します。 目的に直結する問いの立て方や、プロンプトに落とし込む際の実践ポイントを具体例とともに学ぶことで、AIをより思考のパートナーとして活用できるようになります。 生成AIを業務で使い始めた方から、活用を一段深めたい方まで、再現性あるプロンプト設計を身につけたい方におすすめの内容です。 さらに学びを深めたい方は、こちらも合わせてご覧ください。 【AI×クリティカル・シンキング】②AIの弱点との向き合い方 https://unlimited.globis.co.jp/ja/courses/cdfe41e3/learn/steps/62198 ※本コースは、AI時代のビジネススキルを学ぶ「AIタレントシフト」シリーズの一環として提供しています。 https://unlimited.globis.co.jp/ja/tags/AI%E3%82%BF%E3%83%AC%E3%83%B3%E3%83%88%E3%82%B7%E3%83%95%E3%83%88 ※本動画は、制作時点の情報に基づき作成したものです（2026年1月制作）
会員限定
リーダーの挑戦⑤ 藤田晋氏（サイバーエージェント代表取締役）
グロービス経営大学院学長の堀義人が、日本を代表するビジネスリーダーに5つの質問（能力開発／挑戦／試練／仲間／志）を投げかけ、その人生哲学を解き明かします。第5回目のゲストは、サイバーエージェント代表取締役の藤田晋氏。起業の理由、経営をどうやって学んだか、アメーバブログ・ABEMAの立ち上げ、経営チームづくりについてなど聞いていきます。（肩書きは2020年12月11日撮影当時のもの） 藤田 晋 サイバーエージェント 代表取締役 堀 義人 グロービス経営大学院 学長 グロービス・キャピタル・パートナーズ 代表パートナー
会員限定
ビジネスパーソンのための睡眠スキル ~問題解決編 前編 なぜ眠れないのか？~
「仕事が終わらないから睡眠時間を少し削ろう…」「業務時間中なかなか集中できない…」「毎日朝起きるのがつらい…」。 あなたはこのような経験をしたことはありませんか？ 仕事やプライベートの時間をやりくりするために、真っ先に削りがちなのが「睡眠」時間。 実は今、日本社会は世界と比較して「最も眠らない国」だということもわかってきています。 慢性的な睡眠不足は、心身の健康に悪影響なだけでなく、仕事のパフォーマンスにも当然大きな影響を与え、社会全体の経済損失につながります。 このコースでは、基本的な睡眠リテラシーを学んだ後の「問題解決編」として、「なぜ多くのビジネスパーソンは眠れないのか？」について解説していきます。 ▼本コースで学べる主な内容 ・そもそも眠れないことは何が問題なのか？ ・眠れなくなってしまう原因とは？ 睡眠不足の原因は認知機能の問題にありました。 自身の睡眠不足に対し、正しく「気づき・理解し・行動を変える」第一歩を踏み出しましょう。 ▼関連コース ・ビジネスパーソンのための睡眠スキル ~リテラシー編~ https://unlimited.globis.co.jp/ja/courses/24575c03/learn/steps/53129 ・ビジネスパーソンのための睡眠スキル ~問題解決編 後編 どうしたら眠れるのか？~ https://unlimited.globis.co.jp/ja/courses/4ba981e9/learn/steps/62042 ※本動画は、制作時点の情報に基づき作成したものです（2025年12月制作）
会員限定
大阿闍梨 塩沼亮潤が死の手前で見つけた「生き方」
あすか会議2018 第4部分科会B-1「極限の世界で見つけた人生の歩み方」 （2018年7月7日開催／国立京都国際会館） 1300年間で2人目となる大峯千日回峰行満行を果たした塩沼亮潤大阿闍梨。48キロの山道を1日16時間掛けて歩き、それを千日間に亘って続ける過酷な行の中で、どのような悟りを得たのか。そして、9日間、断食・断水・不眠・不臥を続ける四無行満行という極限の世界で何を見つけたのか。塩沼氏が「創造と変革の志士」へ贈る「人生の歩み方」とは。（肩書きは2018年7月7日登壇当時のもの） 塩沼 亮潤 慈眼寺 住職
無料
英語 de 学ぶ！3Cs Analysis（3C分析）
このコースでは、グロービス学び放題の英語版である『GLOBIS Unlimited』のコースの中から、ビジネスで役立つ頻出の英語表現をピックアップしています。英語ネイティブの方が実際に見ているコースなので、リアルなビジネス英語の表現を学ぶことができます。 今回のコースは「3Cs Analysis（3C分析）」です。一緒に『英語で』ビジネス知識を学んでいきましょう！ ▼今回扱ったUnlimitedコース続きは下記からご覧いただけます 3Cs Analysis https://unlimited.globis.co.jp/en/courses/da5ca962/learn/steps/36362 ※本動画は、制作時点の情報に基づき作成したものです（2025年12月制作）
会員限定
より理解を深め、他のユーザーとつながりましょう。
コメント150件
kazumi_100pot
微分や偏微分がニューラルネットワークにつながっていることを再認識することができました。このことはとても重要だと思います。
stani
純粋に数学ですね。懐かしいです。
t_htn
今後、ニューラルネットワークを活用時において、
微分のイメージでニューラルネットワークが
働いていることが良く理解できたので、
このイメージを把握しながら、
ニューラルネットワークを活用したいと思う
nemurikuma
微分の考え方を復習できて良かった。対数の微分や、商の微分など忘れているものも多かったので。なぜ、そう計算するのか、は意識して振り返られるようにしたい。
decchan
覚えることが多いですが、数学の参考書も使って、何とかついていきます。
k_yuna
大変勉強になりました。
yoshinore0402
内容が難しくまだ理解できない部分が多かった。
何度か繰り返し学習して理解していきたい。
hararin-kobo
微分の基礎を理解できました。
watanabe-tat
微分や偏微分がニューラルネットワークの学習における入力値、隠れ値の次元下げにおける誤差を最小化するために活用することが理解できた。
70sp1208
基礎数学の微分がＡＩと関連があるとは知らなかった。高校や大学で学んだ知識がこういうところで活用できるというのは意外であった。引き続き、学習を継続していきたい。
naoki_sasano
微分を用いてニューラルネットワークの関数誤差の極小値を求めることが分かった。
hiroshi-srkr
機械学習基礎として微分が必要という事でしたが、内容的にはかなり難しい印象でした。復習をして理解を深めていきたいと思います。
akinobu-t
数学で学んだ偏微分等が意味するもの、その活用が少し理解できた。
hiroseyusuke
30年以上前に習った微分。今でも覚えてました。logとかeとか懐かしい。
1000-
公式を覚えなければ難しいと感じた
7031
働いていることが良く理解できたので、このイメージを把握しながら、
ニューラルネットワークを活用したいと思いました。
yuri_sudo2
微分ひさびさに学んだ
choko0504
機械学習に必要な基礎的な微分について再復習できることができ大変良かった。実務で実際にプログラムを実装する機会があれば活用していきたい。
kenjiro_fujita
合成関数や偏微分がニュラルネットワークを考える際に重要であることがよく理解できた。
iso_ken
微分を思い出すことができた
計算機に微分を含んだ関数を実装する場合に、事前に机上で簡単に計算しておく
user-name01
微分が機械学習に使われていることを学んだ。
matute
微分の導関数や偏微分の考え方が機械学習のニューラルネットワークにどの様に利用されているか学ぶことができた。改めて微分を学んでいこうと思うが、それが機械学習のどのような考え方に結びつくのか実践と合わせて学んでいきたい。
yasupii
ニューラルネットワークに関し、その概念を伝えるイメージ図は見たことがありましたが、それと微分との関係性は始めて知りました。また微分の公式は高校で習った後、久しぶりに勉強できました。懐かしかったです。
ysen
久々に微分を学んだ。資格取得の一助となる講座だった。
fgl970101
高校で学んだ微分、あらためて勉強しなおそうという思いがわきました。
matsu1219
微分の復習ができました！！
vz3000
微分や偏微分がニューラルネットワークにつながっていることを認識することができました。
ka_saka
微分、偏微分、ニューラルネットワークなど、イメージが深く、文系脳にはやや難しい。なんどかリピートしてやっと理解しています。
yoshikazu-1103
微分について振り返りができた思います。ＡＩを理解するには、微分の考え方が必要だと思いました。
take515
基本事項を確認できた。
yoshihito_f
ＡＩの考え方に、微分が活用されている事を認識できた。
k--g--
（感想）前半のf(x)=x^2の導関数の導出の前に、f(x)の三次式のグラフで説明されていて違和感を感じた。
hfkd156036
微分の考え方を復習できた。
yamamoto_kntk
機械学習の基礎として微分の理解を深めることに活用できる
shirojpn
高校で学んで以来で、意外と忘れている事に驚いた。
基本的な微分の公式を覚え直す必要を感じた。
kiyohide-goto
微分を学問として勉強したことがなかったため、少々難しく感じられた。別途学習機会を設けて理解を深めたい。
miura_ka
AIや機械学習との関連を確認できた。
makoke
パラメータ計算に活用
hr-sakai
ニュートラルネットワークが微分に関連していることを知りました。こんなところで微分の考え方が役に立つとはおもってもいませんでした。なんとなく、昔勉強したことが思い出した気がします。
9032843
偏微分の必要性がイメージできた。
tsuyoshi_asano
高校で挫折した数学でしたが、この講座とYoutubeと生成AIの助けを得ながらなんとか終えることができました。生成AIで出てくるチャットや画像などは、こうした偏微分の計算結果なのだというのが非常に興味深いです。数えきれないくらい沢山のインプットがあり、それを基にパラメータを作り、最適化する為に偏微分していく、というプロセスは恐らく人の手では不可能だと思いますので、どこで人の手が入って最適化しているのか、興味がわきました。
elon-masuo
タダでもっと学習したい。ケチケチせずに赤字でも学習資料を開示すべきである。
vegitaberu
実際に、AIを実装した時に、微分がどのよう生きてくるのかというのが、少しイメージすることができました。AIの場合、概要であっても、どのようなことを行っているのかというメカニズムがわかると、どんな作業が行われ、何ができるのかということが想像しやすくなるので、有意義でした。今後、実際に、どのようなことが行われているかを想像しながら、AIに向き合いたいと思います。
minori_yabu
ニューラルネットワークにおいて微分が活用されている仕組みが良く理解できた。
madogiwazoku
素人には難しいです。難しくてはげそうです。鼻血もでそうです。
haruyukipapa
高校数学を受けていない私にとって合成関数などは難解に感じていた。理解が追い付いていないため単なる数式として丸暗記していましたが、本講義において図解されイメージがつかめてきました。何度か見返して理解度を深めたいと思います。そうすることで実践での説明にも生かせると感じました。
tk55
遥かな昔に数２Bや数３の授業で辟易したことを思い出した。当時、指数・対数や、導関数や偏微分など使われる用語、その（実質的な）意味の理解が追い付かなかった。このコースも近いものがあるが、ニューラルネットワークでどう使われているかを知れたのは大きい。当たり前のような教師の説明に理解が追い付かないのは同じながら、興味を持って視聴した。
t_oguogu1979
久しぶりに微分について学習。
ono_toshii
業務で活用するには、ディープラーニングで機械学習をさせるような業務、例えば、需要予測等をする時、実際の数値から予測をするためのモデルを考える場合に微分を用いることができると思う。
suzuqp
傾きのことを微分という、までは何となくわかるのですが、そのあとは正直ついていけませんでした。もともと苦手な内容ですので、テキストなどで学びなおしたいと思います。
s-ma
微分の公式を暗記する必要性を認識したが実際に業務で使用しないので暗記する難易度は高い。
inyourmind
「なぜ偏微分を学ぶのか」が説明されていたよかった。
k_k_ai
最期のニューラルネットワークの解き方が、具体的なイメージがついてわかりやすかったです。
kitano_wataru
学生時代の復習ができてうれしかったですね。AIなどのパラメータ調整とは誤差を0に近づけることと学習できました。もしかしたら、微分による傾きだけではなく他のパラメータを使用して調整を行うこともできるのでないかと思いました。
test_test___
なぜ微分を勉強するのかが説明されておりよかった
tommy-april
最後の偏微分の辺りは難しい内容で、戸惑いました。勉強を進めて活用を考えて行きます。
michiyomichiyo
リテラシーは大事ですね
kabechi
忘れていた内容を思い出せました。偏微分とか。
14001
事前にGLOBISの微分・積分の動画を見てからこの動画を見ると微分や極限についてよく分かります。大学数学の偏微分に関する説明も分かりやすかったです。
atsushi_komaki
大学受験のための微分という目的で理解するのではなく、機械学習等において、何を目的に、何を知るために微分という対応するかを知った。
微分という言葉だけで毛嫌いするのでは無く、しっかりと理解するようにしたい。
i_mura888
知っている内容でした。
zyuroku
G検定の際に、微分がニューラルネットワークで必要だと言うことは、なんとなくわかっていたが、その理由がはっきりとした。
moco_fuwa
微分公式などを復習する事ができた。
cs1960
大変参考になりました。
jishiko
誤差関数を最小化する際に必要となる数学の基礎知識：微分、偏微分
kiyama-h
微分の考え方がよく分かった。
なんとなくこうだったから理解が深まり良い講座だった。
yoshiki2355
データ分析していきたい
akku
微分については、過去に学んだことがなかったので教えていただき大変参考になった。計算式など覚えておく必要があるものも多いので、こちらは繰り返し学習したいと感じた。
makidayo
学生の時微分得意だったのに結構忘れていてショックでした。再度説明聞けて良かったです。こういうところで使うことがあるんだな～と感慨深いものがありました。
tsukamotoya
難しいですけど、活用できるように頑張ります。
pinguino
知識として学ぶだけでは難しく感じられたが、実際に機械学習を行う際にその必要性を実感できると思われる。
h-kozawa
機械学習が膨大な変数（関数）の組み合わせのなかで誤差を最小にするモデルであることを、初めて認識できました。また、偏微分の概念も同様です。機械学習系タスクに取り組み社内外SEとディスカッションする際、相手の話の流れを理解するための重要な知見であると思いました。
masato_86
理解するために何度か視聴しようと思った。一度では理解しきれない。
grateful
懐かし公式が出てきました。
muu_ma
微分が難しくて本講座を理解しきれませんでした...
何度も復習が必要だなと思いました。
ただ、微分が機械学習において必要な技術だということは理解できました。
takahashi_mi
微分がニューラルネットワークにおいて、どのように使われているか理解できた。機械学習の数理は、ひたすら微分、に見えるので、理解していきたい。
e_co
機械学習に必要だと理解しました。
微分をしっかり学び直したいと思います。
niikuramiho
微分の基礎と応用(ニューラルネットワークのパラメータ学習)に対する基本的な知識を学べた
shin_yako
参考になりました。実務の活用を考えます
arashi-m
微分が誤差の算出に利用されていることが分かってよかったです。
yoshikouc
パラメーターの最適化をするのに微分を使うことがわかりました
kou_tan
丁寧な説明でインストール方法がよくわかりました。
yoshiyasu1680
統計解析をして業務を行っています
なんとなくエクセルの入力してでた結果をアウトプットしていたが微積が関係していたこと学べた
hrkudo
大学時代を思いだしました。
機械学習の学習フェーズで誤差を求めるために必要ということがわかりました。
acmon
偏微分を視覚的に理解できてよかった。
kyo1227
微分が機械学習に使われていることを学んだ。
ryusho1118
微分が機械学習において必要な技術だということは理解でした。復習しようと思います。
senna4521
次のコンテンツを視聴して、知識を得ていきたい
tasu-o
微分について復習することができた
機械学習への結びつきについても学ぶことができた
kita0023
高校でこんなのあったな、というレベル感でした。
mutame
微分は数十年ぶりです。復習します
aokitaka-tci
微分のイメージでニューラルネットワークが組立られていることを学べた
koichirou_k
微分と偏微分が機械学習でどのように利用されるかを学んだ。今後、機械学習に関わる際に活用していきたい。
homma_nanami
数学が懐かしかったです。忘れている部分も結構あったのですが、計算式など覚えておく必要があるものも多いので、繰り返し学習が必要だと感じました。
yuichi_muroi
微分の内容について復習できた。データ分析に活用したい。
gobau
微分、偏微分について理解できた
xiu14
微分の考え方をあらためて学習するよい機会になりました。
mtaya
微分を復習できる良い機会で、機械学習を学ぶ・行うのに必要というのがわかるのはありがたい。
mori_1991
微分 難しいですね。
suzuki_shoichi
微分の考え方を復習することができました。機械学習に必要なことを学ぶことができました。