ゼロから作るDeep Learning読むお( ^ω^)

買いましたー。

私の浮気性がまた発火してしまいました。（作曲はどうした。ギターはどうした。）

ほしい物リスト→から誰も贈ってくれないし、Amazonでずっと在庫切れだったので久しぶりにリアル店舗で買いました。残っていた図書カードフルバーストしました。

個人的に人工知能には勝手にアンチパシーを感じていました。普通に評価関数使う手法だったり単にシーケンシャルな手法だったりしか知らないので。私の知らない手法がこんなに強力でしかも人気あるなんて（わなわな）という感じです。

そんな中、いい本が出てくれました。

ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。

（Amazon商品紹介より）

ブラックボックスがキライなcrullerにぴったりじゃないですか！　これで最新の技術に追いつくことができます。（できません。）

そんなこの記事は本の紹介だし勉強メモだし。時間を見つけて読み進め、連載にします。

書籍紹介

誰のための本か

• 外部ライブラリを使わずに、ゼロからディープラーニングをPythonで実装する
• Pythonの使い方も軽く説明する
• 簡単な機械学習からスタートし、最終的には高精度な画像認識システムを実装する

誰のための本ではないか

• ディープラーニングについての最新の研究は扱わない
• CaffeやTensorFlow、Chainerなどの説明はしない
• ディープラーニング、特にニューラルネットワークの詳細な理論的解説はしない
• チューニングの説明はしない
• GPUによる高速化はしない
• 自然言語処理や音声認識などは扱わない

勉強メモ

1章　Python入門

• Python 3、NumPy、Matplotlibを使用（Anacondaをインストール）
• クラスや関数、文の説明
• NumPy：NumPy配列の使い方
• Matplotlib：グラフのプロット、画像の表示

参考

yaritakunai.hatenablog.com

yaritakunai.hatenablog.com

てへ☆

2章　パーセプトロン

• パーセプトロンは入出力を備えたアルゴリズム
• パーセプトロンでは、パラメータは重みとバイアス
• パーセプトロンを用いれば論理回路を表現可能
• 単層のパーセプトロンは線形領域しか表現できないが、多層のパーセプトロンは非線形領域を表現可能（e.g. XORゲート）
• 多層のパーセプトロンは、理論上コンピュータを表現可能

3章　ニューラルネットワーク（3.5節まで）

• ニューラルネットワークでは、シグモイド関数やReLU関数といった関数を利用
• 機械学習の問題は、回帰問題と分類問題に大別
• 活性化関数には、回帰問題では恒等関数を使用
• 活性化関数には、分類問題ではソフトマックス関数を使用
• 分類問題では、出力層のニューロン数=分類するクラス数に設定

ここまで、私お得意の読むだけ勉でした。この後、コンピュータを触ります。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装