Contents - 目次(もくじ)
- 1 【アイデミー本:公式教科書】 エンジニア向けPython・機械学習分野の入門書
- 2 機械学習本を読むためのギリシャ文字・数学記号 – アイデミー本 深層学習の教科書 編
- 2.1 第3章 性能評価指標(P44〜62)
- 2.2 第4章 Pythonの基礎 – 演算(P68)・if文(P82)
- 2.3 第7章 NumPy – 行列計算(P206)
- 2.4 第11章 matplotlibの使い方(P322〜354)
- 2.5 第13章 lambdaやmapなどの便利なPython記法 – lambda 式の基礎(P401・405)
- 2.6 第15章 OpenCVの利用と画像データの前処理 – 総合添削問題(P502)
- 2.7 第16章 教師あり学習(分類)の基礎 – ロジステック回帰(P520)
- 2.8 第17章 ハイパーパラメータとチューニング(1)- ロジスティック回帰のハイパーパラメータ:パラメータC(P554)
- 2.9 第19章 深層学習の実践 – 深層学習とは②(P605)
- 2.10 第20章 深層学習のチューニング – シグモイド関数(P642)・ReLu関数(P643)・損失関数:二乗誤差(P645)・クロスエントロピー誤差(P646)
- 3 印刷用PDF作成予定:機械学習本を読むためのギリシャ文字・数学記号 – アイデミー本 深層学習の教科書 編
- 4 オリジナル画像認識AI作成のための深層学習のコード解説付きサンプルコードを公開中
【アイデミー本:公式教科書】
エンジニア向けPython・機械学習分野の入門書
【日本最大級!人工知能サービス「Aidemy」公式教科書】
Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで (AI & TECHNOLOGY)
著者:株式会社アイデミー 石川 聡彦(著)
出版社:翔泳社
刊行日:2018年10月
Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで
Amazon.co.jpで詳しく見てみる(レビューの投稿も確認出来ました)
:Pythonで動かして学ぶ! あたらしい深層学習の教科書 機械学習の基本から深層学習まで (AI & TECHNOLOGY) 単行本
翔泳社のネット通販SEshopで詳しく見てみる
:Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで | 翔泳社
楽天ブックスで詳しく見てみる
:Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで (AI & TECHNOLOGY)
の書籍は、株式会社アイデミーより提供してくださっているAidemyの教材をベースに、Aidemy初めての公式教科書として刊行されているエンジニア向けのPython・機械学習分野の入門書籍です。
書籍の特徴の1つとして、 Aidemy Premium Plan(アイデミー プレミアム プラン) のサービスでこの書籍の「添削問題」のコードレビューや、書籍内容に関して質問・相談等にも対応してくださる旨が、「はじめに(ⅲページ)」に記載されています。
書籍の内容等については、1周目の学習レビュー
:【1周目 – 学習レビュー】Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで(Aidemy公式教科書)by 子供プログラマー
で、このサイトでも取り上げさせて頂きましたが、
・これから機械学習分野について学び始めたいエンジニアの方(Pythonを触ったことのないプログラミング経験者)
・Pythonで機械学習・ディープラーニングを実装するための基礎を固めたい方
等にとっては、手元に1冊あると便利な書籍なのではないかと感じます。
・「図解即戦力 機械学習&ディープラーニングのしくみと技術がこれ1冊でしっかりわかる教科書」を読むためのギリシャ文字・数学記号
の投稿でもアイデミー本の機械学習の入門書に関連しそうなギリシャ文字・数学記号等についてまとめさせて頂きましたが、この書籍も、機械学習の専門書としては珍しく、ほとんど数式が出てきません。そのため、ギリシャ文字・数学記号に関して、記事にする必要はあまり感じていませんが、高校数学等の知識が全くない方や、完全に忘れてしまっている方の中にも、人工知能・機械学習の実装(プログラミング)に興味のある方もいるかと思いますので、念のため取り上げさせて頂きます。
手元には、初版 第1刷発行(2018年10月22日)の「Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで」
を持っていますが、2020年3月28日時点で、翔泳社のサポートページで正誤表を見てみると
:【詳細ページ】Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで | SEShop(翔泳社)
正誤情報が公表されているようでした。書籍を購入されている方で、まだ知らない方はチェックしてみてください。
機械学習本を読むためのギリシャ文字・数学記号 – アイデミー本 深層学習の教科書 編
以下に、数式・記号関連の情報をまとめておきます。
尚、内容に関しては正確に記載するように努めておりますが、個人で学習した範囲の情報ですので、正確な情報等の詳細に関してはご自身でもよくお調べください。
第3章 性能評価指標(P44〜62)
数式例:
・読み方:エックス イコール エー プラス(たす)ビー プラス(たす) シー プラス(たす)ディー ぶん(分)の エー プラス(たす)ビー
・意味:分数の足し算
(a+b)÷(a+b+c+d)と同じ意味
* 他:第4章 Pythonの基礎 - 型 P78
* 他:第6章 関数の基礎 - return P148
* 他:第12章 様々なグラフを作る - 総合添削問題 P395・397
* 他:第18章 ハイパーパラメータとチューニング(2)- 総合添削問題 P594
・数式例:
・読み方:エックス イコール エー プラス(たす)ビー ぶん(分)の 2(に) かける エー かける ビー
・意味:分数の足し算・掛け算
(2×a×b)÷(a+b)と同じ意味
* 2ab ÷(a+b)
* 他:第4章 Pythonの基礎 - 型 P78
* 他:第6章 関数の基礎 - return P148
* 他:第12章 様々なグラフを作る - 総合添削問題 P395
* 他:第18章 ハイパーパラメータとチューニング(2)- 総合添削問題 P594
第4章 Pythonの基礎 – 演算(P68)・if文(P82)
・数式例:x2
・読み方:エックス 二乗(2じょう)
* 二乗は自乗(じじょう)とも読めます
・意味:x2は x × x(エックス かける エックス)と同じ意味
* 他:第6章 関数の基礎 - return P148
・数式例:a < b
・読み方:エー しょう(小)なり ビー
・意味:a は b より小さい(a=bではない) 等
* 他:第13章 lambdaやmapなどの便利なPython記法 – filter P412
・数式例:a > b
・読み方:エー だい(大)なり ビー
・意味:a は b より大きい(a=bではない) 等
* 他:第13章 lambdaやmapなどの便利なPython記法 – filter P412
・数式例:a <= b
・読み方:エー しょう(小)なり イコール ビー
・意味:a は b 以下(a=bも含む) 等
・数式例:a >= b
・読み方:エー だい(大)なり イコール ビー
・意味:a は b 以上(a=bも含む) 等
第7章 NumPy – 行列計算(P206)
・数式例:
・読み方:ルート 16(じゅうろく)。
・意味:4。16の平方根。
「16の平方根」は「2乗すると16になる数」を意味している。
第11章 matplotlibの使い方(P322〜354)
・数式例:a < x < b
・読み方:エー しょう(小)なり エックス しょう(小)なり ビー
・意味:xは、aより大きく、bより小さい(x=aやb=xではない)
・数式例:y = sin(x)
・読み方:ワイ イコール サイン エックス
・意味:xが各数値の時のyを、グラフ(x軸・y軸)に書き込むと、サイン波形という周期的変化を示す波動が描けます。三角関数のグラフ。
・数式例:y = cos(x)
・読み方:ワイ イコール コサイン エックス
・意味:xが各数値の時のyを、グラフ(x軸・y軸)に書き込むと、コサイン波形という周期的変化を示す波動が描けます。三角関数のグラフ。
・数式例:y = tan(x)
・読み方:ワイ イコール タンジェント エックス
・意味:xが各数値の時のyを、グラフ(x軸・y軸)に書き込むと、特徴的な曲線が描けます。三角関数のグラフ。
・数式例:y = x
・読み方:ワイ イコール エックス
・意味:一次関数
・数式例:y = x2
・読み方:ワイ イコール エックス 二乗(2じょう)
* 二乗は自乗(じじょう)とも読めます
・意味:2次関数。x2は x × x(エックス かける エックス)と同じ意味。
・数式例:y = x3
・読み方:ワイ イコール エックス 三乗(3じょう)
・意味:三次関数。x3は x × x × x(エックス かける エックス かける エックス)と同じ意味。
第13章 lambdaやmapなどの便利なPython記法 – lambda 式の基礎(P401・405)
* lambda 式:ラムダ 式
・数式例:a2+2a+3
・読み方:エー 二乗(2じょう) プラス(たす) 2(に)エー プラス(たす) 3(さん)
* 二乗は自乗(じじょう)とも読めます
・意味:aを不定元(変数)とする次数が2の多項式。
a2は a × a(エー かける エー)と同じ意味
第15章 OpenCVの利用と画像データの前処理 – 総合添削問題(P502)
・数式例:25
・読み方:2(に)の 五乗(5じょう)
・意味:32。25は 2 × 2 × 2 × 2 × 2 と同じ意味。
・数式例:1/3
・読み方:3(さん) ぶん(分)の 1(いち)
・意味:3等分にした内の1つ。1 ÷ 3と同じ意味。
第16章 教師あり学習(分類)の基礎 – ロジステック回帰(P520)
・数式例:y = ax + b
・読み方:ワイ イコール エー エックス プラス(たす) ビー
・意味:一次関数。
第17章 ハイパーパラメータとチューニング(1)- ロジスティック回帰のハイパーパラメータ:パラメータC(P554)
・数式例:2-3
・読み方:2(に)のマイナス 3(さん)じょう(乗)
・意味:マイナス●乗は、分数の●乗。
第19章 深層学習の実践 – 深層学習とは②(P605)
・ギリシャ文字:θ
・読み方:シータ
・意味:書籍や説明の文脈による。今回は閾値(いきち・しきいち)の値の意。
第20章 深層学習のチューニング – シグモイド関数(P642)・ReLu関数(P643)・損失関数:二乗誤差(P645)・クロスエントロピー誤差(P646)
・数式例:
・読み方:シグモイド エックス イコール 1(いち) プラス(たす)イー の マイナス エックス じょう(乗) ぶん(分)の 1(いち)
・意味:シグモイド関数。0〜1までの範囲で、滑らかな非線形のグラフが描出される。
参考:【動画】機械学習 12. カーネル/確率的識別モデル1 (2)| 筑波大学オープンコースウェア|TSUKUBA OCW
32分44秒あたりで、シグモイド関数の講義が視聴出来ると思います。
(筑波大学 システム情報系の佐久間 淳教授による、2019年に行われた機械学習の講義)
・数式例:e
・読み方:イー(エクスポネンシャル)
・意味:ネイピア数(2.71828…)と呼ばれる定数。自然対数の底。
・数式例:
・読み方:レルー エックス イコール エックス しょう(小)なり 0(ゼロ)のとき(時)は 0(ゼロ)・エックス だい(大)なり イコール 0(ゼロ) のとき(時)は エックス
・意味:ReLU関数 (Rectified Linear Unit:ランプ関数。レルー・レル等と読むようです)。
ReLu関数は、入力値xが0より小さい時は、常に0を出力します。入力値xが0以上の時には、そのままxを出力します。
* 不等号(>)の下に一本線(−)が引かれている数学記号は、イコール(=)と同じ扱いのようです。大学ではイコールの棒を一本省略する記法にされるようです。自分は、しばらくこの記号は何?と思い悩んでいました…
参考情報として、「ゼロから作るDeep Learning」のP52では、x(x>0)、0(x<=0)の表記のようでした。どちらも結果は同じになりますね。
このあたりから難所ですね…
・数式例:
・読み方:イー イコール シグマ アイ イコール 1(いち) から エヌ かっこ ティーアイ マイナス(ひく) ワイアイ カッコとじ(る) の二乗(2じょう)
・意味:二乗誤差の計算式。
書籍では、予測ラベル(モデルの出力・予測値)の結果をyi、正解ラベル(実際のラベルのデータ・目標値)をtiとしているようです。
Σ(シグマ記号・総和記号)は、与えられた条件を元に合計することになるので
・iが、1からN番目までの
・yi – ti
の結果を合計することになります。今回の式では、その結果を2乗しているということですね。
参考:【動画】機械学習 4. 重回帰 (2) | 筑波大学オープンコースウェア|TSUKUBA OCW
28分35秒あたりに二乗誤差の講義が視聴出来ると思います。
(筑波大学 システム情報系の佐久間 淳教授による、2019年に行われた機械学習の講義)
この書籍の最難関の数式…
自分もそうですが、目を背けたくなる方もいるのではないかと思います。
・数式例:
・読み方:イー イコール シグマ アイ イコール 1(いち) から エヌ かっこ マイナス ティーアイ・ログ・ワイアイ(ティーアイ かける ログ・ワイアイ) マイナス(ひく) かっこ 1(いち) マイナス(ひく) ティーアイ カッコとじ(る)(かける) ログ かっこ 1(いち) マイナス(ひく) ワイアイ かっことじ(る) かっことじ(る)
・意味:交差エントロピー誤差関数(クロスエントロピー誤差関数)。
書籍では、予測ラベル(モデルの出力・予測値)の結果をyi、正解ラベル(実際のラベルのデータ・目標値)をtiとしているようです。
log(ログ)は自然対数(底がe)。通常は書かれているはずのlogの横の数字(底)がないので、混乱する初学者の方も多いのではないかと思います。
* e:ネイピア数(2.71828…)と呼ばれる定数。自然対数の底。
参考:対数 | ウィキペディア
参考:【動画】機械学習 13. 確率的識別モデル2/経験損失最小化 (1)| 筑波大学オープンコースウェア|TSUKUBA OCW
59分20秒あたりで、交差エントロピー誤差関数関連の講義が視聴出来ると思います。
(筑波大学 システム情報系の佐久間 淳教授による、2019年に行われた機械学習の講義)
参考:【動画】機械学習 14. 確率的識別モデル2/経験損失最小化 (2)| 筑波大学オープンコースウェア|TSUKUBA OCW
9分2秒・31分44秒あたり等で、交差エントロピー等の講義が視聴出来ると思います。
(筑波大学 システム情報系の佐久間 淳教授による、2019年に行われた機械学習の講義)
・数式例:a << b
・読み方:a は b より じゅうぶん(十分)に ちいさい(小さい)・a は b より ひじょう(非常)に ちいさい(小さい)
・意味:aはbより十分に小さい。bはaより十分に大きい。等
・数式例:≒
・読み方:ニアリーイコール
・意味:ほぼ等しい。ほとんど等しい。
・数式例:|-1|
・読み方:ぜったいち マイナス 1(いち)
・意味:1。絶対値(||)の大まかなイメージは、ある点からの距離を意味。|1|(1の絶対値)と|-1|(-1の絶対値)は、共に1。
印刷用PDF作成予定:機械学習本を読むためのギリシャ文字・数学記号 – アイデミー本 深層学習の教科書 編
また、時間が取れるときにPDF化予定です。
オリジナル画像認識AI作成のための深層学習のコード解説付きサンプルコードを公開中
このサイトでは、深層学習をはじめとした機械学習の敷居を下げるべく、
MNISTのデータセットで数字画像認識が出来る入門的なサンプルプログラムです
:【コード解説】畳み込みニューラルネットワーク(CNN)サンプルコード – Colaboratory・Keras・MNIST
オリジナルデータセットで自作画像認識AIを作れる応用的なサンプルプログラムです
:【コード解説】自作画像認識AI:Keras・CNN・Pythonオリジナルデータセット対応の機械学習サンプルコード
等の深層学習のコード解説付きサンプルコードを公開中です。
【日本最大級!人工知能サービス「Aidemy」公式教科書】
Pythonで動かして学ぶ!あたらしい深層学習の教科書 機械学習の基本から深層学習まで (AI & TECHNOLOGY)
で基本的なPythonの使い方や、深層学習の実装のための基礎を学びつつ、このサイトで公開中のオリジナルAI作成用のサンプルコードも活用いただけることがありましたら幸いです。
【口コミ・評判も気になる】アイデミー特集 – Aidemy Premium Plan
:【受講前に確認】アイデミーの口コミ・評判を比較 – Aidemy Premium Plan