第１部：導入
　１．データ解析・機械学習における線形代数の役割
　２．Pythonの線形代数計算ライブラリ（NumPy等）
　３．データをベクトル・行列として扱うという考え方

第２部：線形代数の基礎
　４．スカラー・ベクトル・行列の基礎
　５．ベクトルの表現と幾何学的な意味
　６．ベクトルの加法とスカラー倍
　７．内積の定義と計算
　８．内積が表す角度と関係性
　９．ノルムと距離の考え方
　１０．コサイン類似度
　１１．行列の転置
　１２．行列積
　１３．行列式
　１４．逆行列

第３部：線形変換と固有値
　１５．線形変換と行列による表現
　１６．座標変換としての線形変換の理解
　１７．固有値と固有ベクトルの定義
　１８．固有値・固有ベクトルの性質

第４部：回帰モデルと線形代数
　１９．単回帰モデルの数式表現
　２０．重回帰モデルと行列表現
　２１．多項式回帰モデルと行列表現

第５部：分類・次元削減への応用
　２２．ロジスティック回帰のモデル構造
　２３．ロジスティック回帰と分類問題の考え方
　２４．ソフトマックス回帰と多クラス分類
　２５．主成分分析（PCA）の基本原理
　２６．PCAと固有値・固有ベクトルの関係

　□ 質疑応答 □