書籍「最短コースでわかる ディープラーニングの数学」に関する【ひとり読書会】記事の記事リンク集です。一緒に勉強がんばりましょう（^-^）
| タイトル | 記事 |
|---|---|
|
まえがき |
|
| 1章 機械学習入門 | |
| 1.1 人工知能（AI）と機械学習 | （第2回） |
| 1.2 機械学習とは | （第2回） |
| 1.3 はじめての機械学習モデル | （第2回） |
| 1.4 本書で取り扱う機械学習モデル | （第3回） |
| 1.5 機械学習・ディープラーニングにおける数学の必要性 | （第3回） |
| 1.6 本書の構成 | （第3回） |
| 2章 微分・積分 | |
| 2.1 関数 | （第4回） |
| 2.2 合成関数・逆関数 | （第4回） |
| 2.3 微分と極限 | （第4回） |
| 2.4 極大・極小 | （第5回） |
| 2.5 多項式の微分 | （第5回） |
| 2.6 積の微分 | （第5回） |
| 2.7 合成関数の微分 | （第6回） |
| 2.8 商の微分 | （第6回） |
| 2.9 積分 | （第6回） |
| 3章 ベクトル・行列 | |
| 3.1 ベクトル入門 | （第7回） |
| 3.2 和・差・スカラー倍 | （第7回） |
| 3.3 長さ（絶対値）・距離 | （第7回） |
| 3.4 三角関数 | （第8回） |
| 3.5 内積 | （第8回） |
| 3.6 コサイン類似度 | （第8回） |
| 3.7 行列と行列演算 | （第8回） |
| 4章 多変数関数の微分 | |
| 4.1 多変数関数 | （第9回） |
| 4.2 偏微分 | （第9回） |
| 4.3 全微分 | （第9回） |
| 4.4 全微分と合成関数 | （第10回） |
| 4.5 勾配降下法 | （第10回） |
| 5章 指数関数・対数関数 | |
| 5.1 指数関数 | （第11回） |
| 5.2 対数関数 | （第11回） |
| 5.3 対数関数の微分 | （第12回） |
| 5.4 指数関数の微分 | （第12回） |
| 5.5 シグモイド関数 | （第13回） |
| 5.6 softmax関数 | （第13回） |
| 6章 確率・統計 | |
| 6.1 確率変数と確率分布 | （第14回） |
| 6.2 確率密度関数と確率分布関数 | （第14回） |
| 6.3 尤度関数と最尤推定 | （第15回） |
| 7章 線形回帰モデル（回帰） | |
| 7.1 損失関数の偏微分と勾配降下法 | （第17回） |
| 7.2 例題の問題設定 | （第17回） |
| 7.3 学習データの表記法 | （第17回） |
| 7.4 勾配降下法の考え方 | （第18回） |
| 7.5 予測モデルの作成 | （第18回） |
| 7.6 損失関数の作成 | （第18回） |
| 7.7 損失関数の微分計算 | （第18回） |
| 7.8 勾配降下法の適用 | （第19回） |
| 7.9 プログラム実装 | （第19回） |
| 7.10 重回帰モデルへの拡張 | （第20回） |
| 8章 ロジスティック回帰モデル（2値分類） | |
| 8.1 例題の問題設定 | （第21回） |
| 8.2 回帰モデルと分類モデルの違い | （第21回） |
| 8.3 予測モデルの検討 | （第21回） |
| 8.4 損失関数（交差エントロピー関数） | （第22回） |
| 8.5 損失関数の微分計算 | （第23回） |
| 8.6 勾配降下法の適用 | （第23回） |
| 8.7 プログラム実装 | （第24回） |
| 9章 ロジスティック回帰モデル（多値分類） | |
| 9.1 例題の問題設定 | （第25回） |
| 9.2 モデルの基礎概念 | （第25回） |
| 9.3 重み行列 | （第26回） |
| 9.4 softmax関数 | （第26回） |
| 9.5 損失関数 | （第27回） |
| 9.6 損失関数の微分計算 | （第27回） |
| 9.7 勾配降下法の適用 | （第27回） |
| 9.8 プログラム実装 | （第28回） |
| 10章 ディープラーニングモデル | |
| 10.1 例題の問題設定 | （第29回） |
| 10.2 モデルの構成と予測関数 | （第29回） |
| 10.3 損失関数 | （第30回） |
| 10.4 損失関数の微分計算 | （第30回） |
| 10.5 誤差逆伝播 | （第31回） |
| 10.6 勾配降下法の適用 | （第31回） |
| 10.7 プログラム実装（その1） | （第32回） |
| 10.8 プログラム実装（その2） | （第33回） |
| 10.9 プログラム実装（その3） | （第34回） |
| 10.10 プログラム実装（その4） | （第35回） |
| 11章 実用的なディープラーニングを目指して | |
| 11.1 フレームワークの利用 | （第36回） |
| 11.2 CNN | （第37回） |
| 11.3 RNNとLSTM | （第37回） |
| 11.4 数値微分 | （第38回） |
| 11.5 高度な学習法 | （第38回） |
| 11.6 過学習対策 | （第39回） |
| 11.7 学習の単位 | （第39回） |
| 11.8 重み行列の初期化 | （第40回） |
| 11.9 次の頂上に向けて | （第40回） |
その他：理論編（2章〜6章）の 総集編（第16回）
