あいさつ
このブログでは、ディープラーニングについて、自ら学んだ内容や業務を通じて得た知識を発信していきます。
私はもともと物理学を専門としており、大学院卒業後、日本にて医療機器メーカーで開発に携わっていました。ちょうどその頃、E ラーニング大手の Coursera で機械学習とディープラーニングを学び、その後、本を読んだり、会社の GPU を活用しながら学習を進めました。この時に学んだ知識が役に立つことになり、現在ではディープラーニングを使った研究開発に従事しています。
現在はディープラーニングの基礎的な内容が中心ですが、2025 年中には、より実践的な技術を解説する実践者編、医療画像（CT・MRI）の原理やディープラーニングの活用にも着手する予定です。
略歴
- 2013年 京都大学 理学部 卒業
- 2015年 東京大学 理学系研究科 物理学専攻 修士課程 修了
- 2018年 東京大学 理学系研究科 物理学専攻 博士課程 修了
- 2018年 GEヘルスケアジャパン・CT開発
SNS等
私の研究・開発経験の詳細は LinkedIn でご覧いただけます。
AIやディープラーニングに関する最新情報は X（旧Twitter） でも発信しています！
このサイトで学べること
このサイトでは、ディープラーニングの基礎から応用、実践までを体系的に学べるように整理しています。興味のあるカテゴリからご覧ください。
以下、一部抜粋して紹介します。
📘 理論基礎（概念）
ディープラーニングを学ぶ前に、AI・機械学習・ディープラーニングの違いを理解し、基本的な理論を固めることが重要です。
🔬理論基礎（ 数学・最適化）
ディープラーニングの学習プロセスを理解するには、損失関数、勾配降下法、逆誤差伝搬法の概念が重要です。
🛠️ 実践理論理論基礎
実際の学習プロセスを理解するために、過学習、バリデーション、ミニバッチ学習などの概念を解説します。
💻 実践実装基礎
実際にコードを書いて動かすことで、より深い理解を得ることができます。Google Colabを使って実装を試してみましょう。
🔎 サイエンスコラム
ディープラーニングだけでなく、物理や数学の視点からAIを考えるコラムも執筆しています。
📚 おすすめディープラーニング教材
ディープラーニングを効率的に学ぶための書籍やオンライン教材を紹介しています。
