Udemy受講：「 みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2021年最新版】」（２）

• こんばんは！小村だよ！

• 前回に引き続き、Udemy受講記録になります。

• よろしくね！

Udemy受講講義

• みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2021年最新版】

• 講義資料：

GitHub - yukinaga/minnano_ai: YouTubeのライブ講義「【Live!人工知能 】みんなのAI講座」、およびUdemyコース「みんなのAI講座」で使用する教材です。

講義概要

• 講義時間：約8時間（倍速再生や講習にかかる時間で前後）

• Pythonを使った機械学習の基礎を学ぶ

• GoogleColaboratoryを使用するため、環境構築不要

• 機械学習の全体的な概要のみで、DeepLarningは扱わない

講義メモ

セクション5: 機械学習

学習の仕組み

• 順伝播と逆伝播がある

  • 順伝播は分類分けに使う

  • 逆伝播は学習に使う

• バックプロパゲーション（逆伝播）を使う

  • 出力結果と正解の誤差から、各ニューロンのバイアスを補正する

パラメータの更新（出力層）

• 修正量のベース（δo = （出力 - 正解）* 活性化関数の微分形））

• 重みの修正量 = - 学習係数 * δo * 入力

• バイアスの修正量 = - 学習係数 * δo

パラメータの更新（中間層）

• 修正量のベース（δm = δo * 出力にかける重み * 活性化関数の微分形）

• 重みの修正量 = - 学習係数 * δm * 入力

• バイアスの修正量 = - 学習係数 * δm

質疑応答

• 十分な学習のデータ量は？

  • 大変なものでは難しい

• ニューロンの数は？

  • 最初は小さく、後から大きく

• 活性化関数は微分可能な関数のみ？

  • その通り

セクション6: 機械学習ライブラリの活用

scikit-learnとは？

• pythonの機械学習ライブラリ

• GoogleColabではデフォルトでインストール済

• 様々なアルゴリズムによる機械学習が可能

  • サポートベクトルマシン

  • 回帰

  • K均衡法

  • 決定木

サポートベクトルマシンとは？

• 境界により分類分けを行う

• 特徴が2なら線だが、3以上は面になる（チョウヘイメン）

サポートベクトルマシンでの機械学習

• 下記を実施

  • 花びらの分類

  • 手書き数字の分類

  • 株価の単純な上下の予想

• 実用レベルではなさそうだが、ある程度予想ができていていい感じであった

• 5章でこんなの私にはむりーとなった心を癒してくれたぜ！

質疑応答

• 機械学習の値に、実際の値ではなく変化率を使う理由は？

  • 株価などは、時期によって平均の値段が変わるため、参考になりづらくなる

• サポートベクトルマシンで、どの程度の割合で明日株価が上がる、などは出せる？

  • 信頼値を出すならニューラルネットワークを使ったほうが無難

おわりに

• 「 みんなのAI講座 ゼロからPythonで学ぶ人工知能と機械学習 【2021年最新版】」のセクション5, 6を受講しました！

• むずそーーーと思ったのが、Pythonのライブラリ使うことでできるかもーになってきました！

• 馬券の予測をだしたいのですが、その場合ニューラルネットワークをより学ばなきゃですね

• 今回はサポートベクトルマシンのみの学習だったので、次から学びたいです！

• 残すところこのUdemyの講座もあと1セクション！最後までやりたいと思います！

• ではでは、ちゃお～～～！