「AI」エンジニアになるための「基礎数学」再入門

✔ 「AI」エンジニアになるための「基礎数学」再入門（1）：
AIは「単なる関数」、数学は「言語の一つ」、「文系出身」でも問題ない――Pythonで高校数学の範囲から学び始めよう

✔ 「AI」エンジニアになるための「基礎数学」再入門（2）：
「27°C×2＝54°C」が何の意味もない理由とは――「測定」と「データ」の基礎知識 (1/2)
質的データ - 名義尺度，順序尺度
量的データ - 間隔尺度，比尺度

「27°C×2＝54°C」が何の意味もない理由とは――「測定」と「データ」の基礎知識 (2/2)
偶然誤差，系統誤差，バイアス

✔ 「AI」エンジニアになるための「基礎数学」再入門（3）：
Pythonコードと図で分かる平均値と標準偏差の違い――「統計」とはデータから価値ある情報を抜き出すこと (1/2)

Pythonコードと図で分かる平均値と標準偏差の違い――「統計」とはデータから価値ある情報を抜き出すこと (2/2)
代表値，最頻値，中央値，平均値

「AI」エンジニアになるための「基礎数学」再入門（4）：
機械学習の精度を左右する「データ加工」の基礎知識――「欠損値」への対処に見る「守りのデータ加工」編
欠損値