ぶつりやAI

物理屋の視点から、原理原則を大事に、ディープラーニングのわかり易い説明を心がけています。

ディープラーニング入門【初心者編】

ディープラーニング

ディープラーニング初心者向けに、物理屋が重視する「原理原則」を大事にして、全体感とエッセンスを掴むために幹の部分から説明します。

「ディープラーニング入門【初心者向け】」を読むべき人やおすすめの勉強法などは「基礎と全体像を掴む」にあります。将来キャリアに活かしたい方（特に社会人）は、自分に合う本を探して買ったりE-ラーニングを受けることをおすすめします。おすすめ教材はページ最後にあります。

最新記事の更新情報等はXでお知らせしています。フォローはこちら

理論基礎編

AI・機械学習・ディープラーニングの基礎概念

AI・機械学習・ディープラーニングの違い【理論基礎1】AI・機械学習・ディープラーニングの違い
教師あり学習・教師なし学習・強化学習【理論基礎2】教師あり学習・教師なし学習・強化学習

ニューラルネットワークの基本構造

ニューラルネットワークの基本要素 【理論基礎3】ニューラルネットワークの基本要素
MLP 多層化 【理論基礎4】ニューラルネットワークの多層化 (MLP)
層構造とその役割 【理論基礎5】ニューラルネットワークの層構造とその役割
CNN 【理論基礎6】畳み込みニューラルネットワーク（CNN）

損失関数と最適化 ~ 勾配降下法

損失関数と勾配降下法 【理論基礎7】損失関数ー勾配降下法と最適化のしくみ
最適化の視覚化 【理論基礎8】ニューラルネットワークの最適化を視覚化する
誤差逆伝搬法 【理論基礎9】誤差逆伝搬法とは？勾配計算による学習の仕組み

数学的基礎

微分とは 数学の補足１ー微分とは
偏微分とは 数学の補足２ー偏微分とは
チェインルールとは 数学の補足３ーチェインルール（合成微分）とは

実践基礎編

実装の概要

過学習とバリデーション 【実践基礎1】過学習とバリデーション
ミニバッチとエポック 【実践基礎2】ミニバッチとエポック
学習アルゴリズムとプロセス 【実践基礎3】学習アルゴリズムとプロセスの全体像

簡単な体験・実装

Google Colabでディープラーニング 【実践基礎4】Google Colabを使ったディープラーニング体験
KerasとMNIST 【実践基礎5】Keras+MNISTでモデルを構築・訓練しよう

PyTorchによる実装

PyTorch DatasetとDataLoader 【実践基礎6】PyTorchのDatasetとDataLoaderを理解しよう
PyTorchのTensor 【実践基礎7】 PyTorchのTensorを理解しよう
PyTorch Tensorのautograd 【実践基礎8】 Tensorの自動微分を理解しよう
PyTorchのModuleと継承 【実践基礎9】 PyTorchモデルの全体構造と作り方を理解しよう
PyTorchのModuleと継承 【実践基礎10】PyTorchでモデルを訓練しよう

AI開発環境・ツール解説

Google Colabの導入 Google Colabの導入

おすすめのディープラーニング教材

おすすめの書籍や学習リソースについては以下を御覧ください。

www.ai-physics-lab.com

サイエンスコラム

ディープラーニングの学習で疲れたら、箸休めにサイエンスコラムも読んでいただけると幸いです。

www.ai-physics-lab.com