「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」を読むためのギリシャ文字・数学記号

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
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
- 4.1 共有:

【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。

参考：平方根 | ウィキペディア

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。

参考：正弦波 | ウィキペディア

・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

参考：一次関数 | ウィキペディア

・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。

参考：二次関数 | ウィキペディア

・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。

参考：三次関数 | ウィキペディア

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

＊　参考：多項式 | ウィキペディア

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。

参考：一次関数 | ウィキペディア

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：活性化関数 | ウィキペディア

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。

参考：ネイピア数 | ウィキペディア

・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。

参考：活性化関数 | ウィキペディア

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：交差エントロピー | ウィキペディア

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。

参考：絶対値 | ウィキペディア