＜メモ＞ゼロから作るDeepLearningの章立て
本記事の目的
「DeepLearning初心者による初心者のための読書会」参加者に向けた記事です。
随時修正予定です。
本記事は、書籍「ゼロから作るDeepLearning」のアジェンダです。
書いてあること
- 各章が終わると何ができるようになるか
※私自身は文系でDeepLearningの素人であるため、記載内容にあまり自信がありません。。間違い等あれば指摘いただけると幸いです。
更新履歴
- 10/24 初版(「何ができるようになるか」を記載)
1章 Python入門
何ができるようになるか
- DeepLearningを実装するために必要なPythonのライブラリが習得できます。
DeepLearningでは演算が大量に発生するため、数値計算を効率的に行うための拡張モジュールであるNumpyが必須です。
2章 パーセプトロン
何ができるようになるか
- DeepLearningで使われる「ニューラルネットワーク」の一つ前の世代の「多層パーセプトロン」が理解できます。
パーセプトロンはニューラルネットワークの簡易版であるため、ここから勉強するとニューラルネットワークが理解しやすいです。
3章 ニューラルネットワーク
何ができるようになるか
- 著者が用意した学習済のニューラルネットワークを用いて、手書き文字（０〜９）を分類できるようになります。
4章 ニューラルネットワークの学習
何ができるようになるか
- 「ニューラルネットワークの学習」により、（分類器*1）を実装できるようになります。その結果、手書き文字の分類ができるようになります。
この章まで終わると、自分で質の高いデータを集めさえすれば任意のデータを分類できます。
ただし、時間がすごくかかります。「数値微分」を用いてニューラルネットワークの演算するため、計算量が多くなるためです。
(より処理速度の早いニューラルネットワークの実装→5章で)
(より少ない回数で学習ができるニューラルネットワークの実装→6章で)
5章 誤差逆伝播法
何ができるようになるか
- 4章と比較してより処理速度の早い「ニューラルネットワークの学習」が実装できます。
4章では「数値微分」という考え方を用いてニューラルネットワークの学習を行っていましたが、5章は「誤差逆伝播法」という考え方に変わります。
誤差逆伝播法にはデメリットもありますが、処理速度の速さからこちらが主流だそうです。
6章 学習に関するテクニック
何ができるようになるか
- より少ない回数で学習を行うための学習アルゴリズムをニューラルネットワークに実装できます。
7章 畳み込みニューラルネットワーク
- 画像処理に特化した、より良いニューラルネットワークを実装することができます。
(※私もちゃんと理解できていないです…）
8章 ディープラーニング
- ディープラーニングの応用事例について知ることができます。
*1:入力データをグループ分けする。
(例)
