GPTとは何か Transformerの視覚化 | Chapter 5, Deep Learning

なぜ正規分布どうしの畳み込みは正規分布なのか

畳み込み | 確率の美しい演算

なぜ正規分布に「π」が現れるか

中心極限定理とは何か？ 【正規分布が現れるとき・確率】

「確率0」は「不可能」ではない | 確率密度

畳み込みの仕組み | Convolution

突然崩れるパターン | ボールウェイン積分

誤差逆伝播と微積分 | Chapter 4, ニューラルネットワークの仕組み

誤差逆伝播法（バックプロパゲーション） | Chapter 3, ニューラルネットワークの仕組み

Chapter 16 抽象ベクトル空間 | 線形代数のエッセンス

Chapter 15 固有値の計算の小技 | 線形代数のエッセンス

Chapter 14 固有ベクトルと固有値 | 線形代数のエッセンス

Chapter13 基底変換 | 線形代数のエッセンス

Chapter12 クラメルの公式 | 線形代数のエッセンス

深層学習の仕組み, 勾配降下 | Chapter 2, 深層学習（ディープラーニング）

ニューラルネットワークの仕組み | Chapter 1, 深層学習（ディープラーニング）

激ムズ数え上げパズルと驚きの解法

Chapter 11 一次変換と外積 | 線形代数のエッセンス

Chapter 10 外積 | 線形代数のエッセンス

Chapter 9 内積と双対 | 線形代数のエッセンス

ゼータ関数の見た目【解析接続】

Chapter 8 非正方行列 | 線形代数のエッセンス

Chapter 7 逆行列, 階数, 零空間 | 線形代数のエッセンス

Chapter 6 行列式 | 線形代数のエッセンス

素数の螺旋

回転と四元数（体験型Webサイト）

4次元の数 ｢四元数｣の見た目

Chapter 5 3次元の一次変換 | 線形代数のエッセンス

Chapter 4 行列の積と変換の合成 | 線形代数のエッセンス