1変数関数の微分と積分
意味・解説
グラフの「傾き（変化）」を求める微分と、「面積（蓄積）」を求める積分の基礎的概念。
微分は関数の瞬間的な変化率を算出する操作で、AIの学習において「誤差を最小にする方向」を探るために使われる。積分は微小な量を積み上げて合計を出す操作で、確率密度から確率を計算したり、累積効果を測定したりするのに用いられる。データサイエンスの理論的な土台である。
くわしく
物事の変化と蓄積を数式で捉える解析学の基本ツールである。
1. 微分（Differentiation）：関数のグラフ上の接線の傾きを求める。機械学習の「勾配降下法」では、この微分を使ってモデルの重みを調整し、予測のズレ（損失関数）を最小化する。
2. 積分（Integration）：曲線で囲まれた部分の面積を求める。例えば、ある期間の速度を積分すると移動距離になるように、時系列データの累積的なインパクトを評価する際に使われる。
3. 数値計算：コンピュータ上では、極限の代わりに微小な区間を用いた近似計算（数値微分・数値積分）が行われる。
なぜ重要か：AIが「学習」するとは、数学的には「微分を使って関数の最小値を探し当てる」ことであり、最先端の技術を理解するために不可欠な概念だからである。
例文
ニューラルネットワークの訓練では、1変数関数の微分を多変数に拡張した「偏微分」を用いて、誤差を減らすようにパラメータを更新する。
同義語: 微積分学
分類: 応用数学