こんにちは！
現役パラレルワーカー フクコです。
前回の記事↓に続き
来年の2月の試験に向けてE資格試験勉強中のため
ゼロつくシリーズでおなじみ
オーライリーから出版されている
ディープラーニングの本格的な入門書でよくおススメされる
「ゼロからつくる Deep Learning」
この本↑を毎日5ページずつコツコツこなすと
約2か月間で今年中に終了するので
来年のE資格試験までにこれで基礎力をつけることにしました。(＾＾)
ついつい私は何もないとだらけてしまうので(笑)
毎日5ページ終わった後の記録とまとめを書いていこうと思います。
と、まとめに入る前に…
やる気を出すためのコトバをシェアします！！(主に私のやる気を出すために 笑）
「誰もが才能を持っているが、
能力を発揮するには努力が必要だ。」
"Everybody has talent, but ability takes hard work."
by マイケル・ジョーダン
アメリカの超有名なバスケ選手マイケル・ジョーダンの名言です。
毎日の努力！！
というコトで、今日も能力を上げる努力をするために、私はノルマをこなしますよ！ 笑
よし、今日も頑張るぞ～！ お～！！
ではでは、いい加減まとめに入ります。笑
その前に本の目次の紹介です。
ゼロつくディープラーニングは、下記↓の合計8章で構成されています。
本の目次
- 1章 Python入門
- 2章 パーセプトロン
- 3章 ニューラルネットワーク
- 4章 ニューラルネットワークの学習
- 5章 誤差伝播法
- 6章 学習に関するテクニック
- 7章 畳み込みニューラルネットワーク
- 8章 ディープラーニング
ちなみに…
ゼロつくディープラーニングの第1章はPython入門のセクション(20ページ分)なので、
とりあえず今回私は飛ばし、第2章からまとめています。
前回で第3章が終了したので、今回から第4章でーす。
第4章 ニューラルネットワークの学習
ニューラルネットワークの学習とは、
訓練データから最適な重みパラメータの値を自動で獲得するようにできるコト。
4.1.1 データ駆動
機械学習はデータが命。
データから答えを探し、データからパターンを見つけ、データからストーリーを語る。
機械学習による手法では、
ヒトの介入を極力避け(ハイパーパラメータ以外)、
集められたデータから答えのパターンを見つけようと試みる。
その一つの方法として、
画像から特徴量を抽出して、
その特徴量のパターンを機械学習の技術で学習する手法が考えられる。
集められたデータの中から「機械」が規則性を見つけ出す。
ニューラルネットワークでは、例えば画像データに含まれる重要な特徴量までも「機械」が学習する。
そのため
すべて機械が行うというコトで、「End-to-end machine learning」とも呼ばれる。
ニューラルネットワークの利点は？？
全てのモンダイを同じ流れで解くことができる点。
解く問題が数字「５」を認識するのか、「犬」を認識するのか、詳細とは関係なく、
与えられたデータをひたすら学習し、与えられた問題のパターンを発見しようとする。
今日のまとめ
ハイ、今日はここまで！！
ということで、第4章が始まりました！ 今回は説明が多くてコーディングはなしでしたね。
引き続き頑張りまっす。
最後まで読んでくださり、ありがとうございます！
フクコ
ディープラーニング入門書おススメ本
