詳解 ディープラーニング TensorFlow・Kerasによる時系列データ処理

参加者

  1. 久保 侑哉
  2. 小池 佳輝
  3. 髙木　涼太
  4. 小林　和央
  5. 奈須　日向太
  6. 野﨑　崇弘
  7. 藤兼　由生
  8. 山本　啓太
  9. 大町　凌弥
  10. 嶋田　恭助

目次

第1章    数学の準備 (22ページ) [？？？]
1.1    偏微分
1.2    線形代数
1.3    まとめ
第6章の参考文献

第2章    Pythonの準備 (31ページ) [？？？]
2.1    Python 2 と Python 3
2.2    Anacondaディストリビューション
2.3    Python の基本
2.4    NumPy (15ページ) [？？？]
2.5    ディープラーニング向けライブラリ
2.6    まとめ

第3章    ニューラルネットワーク (17ページ) [？？？]
3.1    ニューラルネットワークとは
3.2    回路としてのニューラルネットワーク
3.3    単純パーセプトロン
3.4    ロジスティック回帰 (33ページ) [？？？]
3.5    多クラスロジスティック回帰
3.6    多層パーセプトロン (22ページ) [？？？]
3.5    モデルの評価
3.6    まとめ

第4章    ディープニューラルネットワーク (26ページ) [？？？]
4.1    ディープラーニングへの準備
4.2    学習における問題
4.3    学習の効率化
4.4    実装の設計 (23ページ) [？？？]
4.5    高度なテクニック (24ページ) [？？？]
4.6    まとめ
第4章の参考文献

第5章    リカレントニューラルネットワーク (18ページ) [？？？]
5.1    基本のアプローチ
5.2    LSTM (24ページ) [？？？]
5.3    GRU
5.4    まとめ
第5章の参考文献

第6章    リカレントニューラルネットワークの応用 (24ページ) [？？？]
6.1    Bidirectional RNN
6.2    RNN Encoder-Decoder
6.3    Attention (20ページ) [？？？]
6.4    Memory Networks
6.5    まとめ
第6章の参考文献

付録A
A.1　モデルの保存と読み込み
TensorFlow における処理 / Keras における処理
A.2　TensorBoard
A.3　tf.contrib.learn

索引

スケジュール（予定）

参考資料

風間 一洋