マガジンのカバー画像

ディープラーニングに挑戦するよ

39
本
最近はやりのAI(ディープラーニング)のプログラミングに挑戦するお話です。ディープラーニングの理論だけでなく、ソースコードも併記して少しでもわかりやすく努めてます。応援よろしくお…
運営しているクリエイター
えい夫＠データサイエンスファン

#数学

第13話 ディープラーニングに必要な数学知識 -正規分布-

ディープラーニングに必要な数学ということで、今回は正規分布について学びます。 第8話から行列やら微分を学んできましたが、今回でいよいよ数学の勉強は最後です。 いやあ長かった。 今回の内容は次のとおりです。 ・正規分布とは ・正規分布になるデータを作ってみよう ・正規分布の曲線を描いてみよう それでは今回の学習をスタートします！ (教科書「はじめてのディープラーニング」我妻幸長著) 正規分布とは自然界や人間の行動・性質などの様々な現象に対してよく当てはまるデータの分布の

えい夫＠データサイエン…

第12話 ディープラーニングに必要な数学知識 -微分編 全微分・多変数の連鎖律-

前回に引続き、微分の勉強です。 微分は数学嫌いな方にとっては高い壁ですよね。 微分はディープラーニングではどうやら「勾配降下法」「バックプロパゲーション」で使うようです。 今回もソースコードなしですが、微分の勉強、頑張っていきましょう！ 内容は次のとおりです。 ・全微分 ・多変数の連鎖律(合成関数の微分) それでは今回の学習のスタートです！ (教科書「はじめてのディープラーニング」我妻幸長著) 全微分変数が複数ある関数でも1変数しか微分しないのが偏微分でした。 これに

えい夫＠データサイエン…

第11話 ディープラーニングに必要な数学知識 -微分編 常微分・偏微分-

今回から微分について勉強していきます。 ディープラーニングの理論を学ぶために、微分の知識は必須だそうです。 微分といえば数学の王様チックな響きがあって、苦手意識を持っている方も多いのではないでしょうか。 私も高校で初めて習った時は意味不明でしたが、繰返しやっていくうちになんとなく理解できました。 なので頑張れば誰にでも理解できるものだと思います。 内容は次のとおりです。 ・微分とは ・常微分 ・合成関数の微分(連鎖律) ・偏微分 それでは今回の学習のスタートです！

えい夫＠データサイエン…

第10話 ディープラーニングに必要な数学知識 -線形代数 行列の演算-

前回に引続き、線形代数を学んでいきます。 今回は行列の演算についてです。 ディープラーニングでは行列計算を多用するらしいので、今回学習することはきっと重要でしょう。 内容は次のとおりです。 ・スカラーと行列の演算 ・行列の要素同士の演算(アダマール積) ・行列同士の掛け算(行列積) ・ベクトルと行列の演算 ・行列の転置 ちなみに教科書の1/4くらいが終わりました。 本丸のディープラーニングに到達するまでの道のりは険しいですね・・・。 それでは今回の学習のスタートです

えい夫＠データサイエン…

第9話 ディープラーニングに必要な数学知識 -線形代数編 行列・テンソル-

ディープラーニング(AI)のプログラミングには数学知識が必要とのことで、今回から線形代数を学んでいきます。 (教科書「はじめてのディープラーニング」我妻幸長著) 今回は行列とテンソルがメインとなります。 具体的な内容は次のとおりです。 ・線形代数とは ・スカラー ・ベクトル ・行列 ・テンソル ・テンソルの形状変換、軸の入れ替え 余談ですが、私は大学1年生のとき線形代数を学びました。 それが今から10年以上も前のことだったなんて。 月日の流れはあっという間ですね・・・。

えい夫＠データサイエン…

第8話 ディープラーニングに必要な数学知識 -総和・ネイピア数・自然対数-

AI(ディープラーニング)のプログラムを作ることを決意し、勉強を初めて早１ヶ月。 教科書「はじめてのディープラーニング」(我妻幸長著)の学習を進めて、3章「ディープラーニングに必要な数学」に突入しました。 これからしばらくは数学のお勉強です。 今回の学習は高校数学について。 具体的な内容は次のとおりです。 ・数列の総和　Σ(シグマ) ・ネイピア数　e ・自然対数　log ・(余談)数学の関数とプログラミングの関数の違い ちなみに学習の進捗状況はこんな感じです。 それ

えい夫＠データサイエン…