第5章 深層学習：転移学習 🔄 転移学習とは？ なぜ転移学習が有効なのか？ 従来のアプローチの問題点 転移学習の利点 転移学習の直感的理解 転移学習の仕組み 📦 事前学習済みモデルの紹介 主要な事前学習済みモデル モデル 年 層数 パラメータ数 Top-5精度 特徴 VGG16 2014 ...
第5章 深層学習：転移学習 🔄 転移学習とは？ なぜ転移学習が有効なのか？ 従来のアプローチの問題点 転移学習の利点 転移学習の直感的理解 転移学習の仕組み 📦 事前学習済みモデルの紹介 主要な事前学習済みモデル モデル 年 層数 パラメータ数 Top-5精度 特徴 VGG16 2014 ...
第4章 深層学習：CNN Ⅱ 🔄 第3章の復習：Convolutionの基礎 📐 Conv2Dのパラメータ 多チャンネル入力への適用例 例1：RGB画像への適用 例2：特徴マップへの適用 🔢 パラメータ数の詳細計算 基本的なパラメータ計算式 📊 計算例：段階的な理解 例1：最初のConv2D層 計算過程： 例2：2番目のConv2D層 計算過程： 例3：Dense（全結合）層 ...
第3章 深層学習：CNN Ⅰ 🧠 深層学習の概要 💡 深層学習（Deep Learning）とは？ 深層学習は、人間の脳の学習と記憶のメカニズムを模倣した方法です。 多層のニューラルネットワークを用いて、データから自動的に特徴を抽出し、複雑なパターンを学習します。 深層学習が学習すること 学習の仕組み 💡 最適化アルゴリズム 学習データの予測誤差を最小化できるように、重み（W）を最適化するアルゴリズムで学習します。 🎯 深層学習の長所と短所 ✅ 長所 ⚠️ ...
第2章 機械学習：回帰 🚀 イントロダクション 🔍 分類 vs 回帰 📊 分類（Classification） 📈 回帰（Regression） 🔄 分類と回帰の違いまとめ 観点 分類 回帰 予測対象 カテゴリ・ラベル 連続的な数値 ...
総合演習Ⅱ 機械学習と深層学習 著者：姜 有宣・辛 徳 📖 目次 第1章 機械学習：分類・識別 パターン認識の基礎とscikit-learnによる実習 第2章 機械学習：回帰 線形回帰と勾配降下法の理解 第3章 深層学習：CNN Ⅰ 畳み込みニューラルネットワークの基礎 第4章 深層学習：CNN Ⅱ ...