【講座紹介】【NumPy・Python3で】ゼロから作るニューラルネットワーク(バックプロップを徹底マスター)

Udemy関連記事

2018/08/28

Udemy関連記事

※本記事は、オンライン動画学習プラットフォームUdemyの講座紹介ページをもとにした記事になります。

講師紹介

井上 博樹 (Hiroki Inoue)

東京大学工学部卒。富士総合研究所・解析技術第1部・国際大学グローバルコミュニケーションセンター(GLOCOM)を経て、ワシントンD.C.の教育系スタートアップ(Blackboard)に参加、教育プラットフォーム開発や多言語化、アジア展開などを担当。NASDAQ IPOを経験した後、起業。

Udemyでのべ約55,000名にAI・プログラミング講座を23コース提供中。対面でもプログラミングワークショップ(Hour of Code, スマホアプリ開発、Raspberry Pi による電子工作)を担当。

大学・企業、塾・予備校などへの教育研究支援、オンライン教育プラットフォーム(LMS/Moodle/Canvas/Blackboard)導入、反転授業・ブレンデッドラーニング・パーソナライズドラーニング(個別学習)の導入支援、映像授業制作、教育アプリ開発などを提供している。

著書に「Moodle入門(2007年)」「Moodle2ガイドブック(2013年)」「反転授業マニュアル(2014年)」「動画xスマホで稼ぐ(2014)」「エンジニアのためのオンライン講座制作ガイド(2016年12月刊)」などがある。Udemyを通じて、多くの方がAIアプリ開発・モバイル・ウェブ開発などをマスターし、イノベーションにチャレンジする応援したいと日々コース制作をしています。

講座内容

*2017/8/14 最終課題のサンプルコード(Jupyter Notebook形式)を掲載しました。*2017/6/2 バックプロパゲーションのレクチャーを追加しました。*2017/5/17 多層ニューラルネットワークでの出力計算を掲載しました。

ニューラルネットワークを多層化したディープラーニングは、画期的な精度向上を実現し、大変注目を集めています。そして、TensorFlow, Chainer, Caffe 2などさまざまなライブラリが登場して、以前より手軽にディープラーニングを実装できるようになりました。

しかし、こうしたライブラリを使いこなすためにも、ブラックボックス化されている最適化の手法を理解しておくと、学習の精度を向上させるためのパラメーター最適化などに役立ちます。この講座では、上記のような各種ライブラリを使用せず、NumPyやPandasなど行列計算やデータ入出力ライブラリだけを使用してニューラルネットワークを作成し、誤差の逆伝播(バックプロパゲーション)による重みの最適化や、勾配降下法の原理についての理解を目指します。

これにより学習率や隠し層の数などのパラメーターを変化させると、結果にどのような影響があるのか、を体験を通じて理解できます。レクチャーでは数学的な処理についても逐一解説をしていきます。

中学レベルの数学的知識があれば理解できるように指数対数や、微分、合成関数の微分(チェインルール)などについて解説をしますので、高校数学に自信がない方でもチャレンジできます。数学的な解説・理解が不要な方、映像による学習は好きではない方には受講をお勧めしませんので、十分ご注意ください。それでは一緒に学びましょう!

  • シェア
  • ツイート
  • Poket
  • はてなブックマーク
  • フォロー
  • シェア
  • ツイート
  • Poket
  • はてなブックマーク
  • フォロー

関連記事