WEBVTT

00:00.240 --> 00:04.500
こんにちは､ 人工ニューラルネットワークの直感チュートリアルへようこそ｡ 

00:04.500 --> 00:05.820
コースの一部です｡ 

00:05.820 --> 00:11.670
今日は､ このセクションにどのように取り組むか､ 超楽しみにしています｡

00:11.670 --> 00:14.580
そこで､ この項では次のことを学びます｡ 

00:14.580 --> 00:16.350
まず､ 神経細胞についてです｡ 

00:16.350 --> 00:23.070
そこで､ 神経科学について少し触れ､ 人間の脳の働きや､ なぜそれを再現しようとしているのかについて､

00:23.070 --> 00:25.620
少し知ることになるでしょう｡

00:25.620 --> 00:31.740
また､ ニューラルネットワークの主要な構成要素である「ニューロン」がどのようなものであるのかも見ていきます｡ 

00:31.890 --> 00:40.980
そして次のチュートリアルでは､ 活性化関数について説明し､ ニューラルネットワークで使用できる活性化関数の例をいくつか見ていきます｡

00:40.980 --> 00:49.110
そして､ ニューラルネットワークでよく使われるのはどれなのか､ どの層で使うのがいいのか､

00:49.110 --> 00:53.460
どの機能なのかを調べます｡

00:53.580 --> 00:56.370
続いて､ ニューラルネットワークの仕組みについて説明します｡ 

00:56.370 --> 01:07.230
ですから､ 皆さんが期待することや､ 他のコースやチュートリアルでおそらく伝えられていることとは対照的に､ 私たちは学習の中に入っていくつもりはありません｡

01:07.230 --> 01:13.740
なぜなら､ ニューラルネットワークの動作を見ることで､ 私たちが何を目指しているのか､

01:13.740 --> 01:20.640
何が目的なのかを理解することができるからです｡

01:20.640 --> 01:23.490
そこで､ ここではニューラルネットワークの一例を見てみましょう｡ 

01:23.490 --> 01:32.520
ここでは､ 非常に単純化した､ 住宅価格を予測するニューラルネットワークの仮想的な例を見てみましょう｡

01:32.520 --> 01:34.260
だから､ 基本的には不動産価格｡ 

01:34.740 --> 01:41.430
そして､ その例を見ることで､ 最終的に何を目指しているのか､ 何を実現したいのか､ より正確に理解することができます｡

01:41.910 --> 01:50.520
そして､ ニューラルネットワークがどのように学習するのかを理解することに進むでしょう｡ そうすることで､ 来るべきものに備えることができるからです｡

01:51.060 --> 01:52.920
続いて､ 勾配降下法について説明します｡ 

01:52.920 --> 02:00.690
これもニューラルネットワークの学習の一部で､ そのアルゴリズムが､ あなたが最初の手段や最初に思いついた方法として意図している､

02:00.690 --> 02:10.050
あるいは喜んでとるかもしれない単なる総当り方式よりも､ いかに優れているかを理解することができます｡

02:10.050 --> 02:17.070
そこで､ 勾配降下の利点がどれほど大きいかを調べ､ 次に確率的勾配降下について説明します｡

02:17.070 --> 02:23.790
これは､ 勾配降下のチュートリアルの続きですが､ さらに優れた､ より強力な方法です｡

02:23.790 --> 02:25.980
そして､ その仕組みを正確に把握する｡ 

02:25.980 --> 02:33.000
そして最後に､ 逆伝播法について重要なことを述べ､ 人工ニューラルネットワークを実行するための手順として､

02:33.000 --> 02:39.510
すべてをまとめます｡

02:40.260 --> 02:46.740
私自身とても興奮しており､ 始めるのが待ち遠しいですから､ これがとてもエキサイティングに聞こえることを願っています｡

02:46.740 --> 02:51.540
第1回目のチュートリアルでお会いできるのを楽しみにしています｡ それまで､ ディープラーニングを楽しんでください｡