目次

■「手書き文字判別」の謎を解く
・AIプログラミング、何から始める？
・手書き数字の画像を判別するPythonコード
・取得した画像データを描画させるコード
・作成したAIモデルで画像を判別
・ロジスティック回帰に迫る
・最適化手法に迫る
■「サポートベクターマシン」とは何かに迫る
・「SVM」のコードに「SVC」と書かれている件
・「サポートベクターマシン」の最初の一歩が大変だ
・いよいよ「サポートベクター」とは？
■AIの重要概念、「特徴」「次元」「線形」…など
・なぜ「高次元」が必要なのか？
・「線形分離不可能」を「可能」にするには
・「3次元空間に写像して境界面で切る」意味
・「カーネル関数」について、ちょっとでも理解したい
■最も簡単な深層学習の「構造」
・手書き数字を深層学習で判定するプログラム
・深層学習実行上の用語
・深層学習で手書き文字判定のために使うもの
・深層学習の「非線形関数」に迫る
■最も簡単な深層学習の「最適化」
・モデルのコンパイル
・深層学習の「損失関数」
・深層学習の最適化手法
・深層学習の出力層のソフトマックス関数
・最も基本的な深層学習で、それでも気になる用語
■画像処理に強い、深層学習「畳み込み層」
・「畳み込み型ニューラルネットワーク」とは
・「フィルタ（カーネル）」について考える
・「2次元配列」の出力をどう処理するのか
・「特徴マップ」をどう評価するのか
・畳み込み型モデルの最後には全結合層がくる
■自然言語の深層学習
・「自然言語」の解析手法
・「トランスフォーマー」とは、ザックリと何か
・「セルフアテンション」のキモなる3つのベクトル
・関連性を使ってどうするのか
・今さらながら、トランスフォーマーに流されるデータ
・「トランスフォーマー」はどうやって文を作成するのか