Видео

強化学習概要まとめ ・強化学習とは ・強化学習の実用例 ・強化学習の基礎について（探索/利用） ・事例（エージェント/状態/行動/報酬/遷移状態確率/方策関数/累積報酬/行動価値関数/最適行動価値関数）

《RNN概要まとめ》 　⬇︎動画詳細⬇︎ ・RNNについて ・時系列データとは ・RNNの構造の特徴（仕組み/パラメータ/重み/バイアス/計算の仕方） ・BPTT（Back-Propagation Through Time）

《CNNの分類について》 　⬇︎動画内容⬇︎ ・分類モデルとは ・分類モデルの構造について ・学習（Trainの場合）について ・推論のフェーズでは ・分類モデルの出力の場合

《CNNの概要まとめ》 　⬇︎動画詳細⬇︎ ・CNNとは ・CNNのデータについて ・全結合層(Affine Layer)について ・CNNの構造（畳み込み層）について ・畳み込み層の演算方法について ・パディングについて ・ストライドについて ・計算量について ・CNNの構造（プーリング層）の種類について ・CNNの構造例 ・画像データの水増しについて ・CNNの課題について ・CNNの課題を克服しとうとした例

《IT知識概要まとめ》 　⬇︎動画詳細⬇︎ ・IT開発の全体像 ・ネットワーク概要（LAN/WAN） ・WEBプログラムの処理概要 ・コンピュータに必要な機能を７層で表したモデル ・アプリケーション層のプロトコル例 ・IPアドレスとは ・ポート番号とは ・サーバとは ・PCもサーバになる例 ・クラウドとは ・サーバにまつわるソフトウェア例（サーバのOS/Webサーバ/SSLサーバ/DBサーバ）

《深層学習の過学習について》 　⬇︎動画詳細⬇︎ ・過学習とは ・過学習の原因について ・正則化手法について ・正則化とは ・ドロップアウトについて

《深層学習の正則化について》 　⬇︎動画詳細⬇︎ ・過学習について ・過学習の解決方法について ・正則化とは ・L１とL２の選択について ・L２についての解説 ・正則化項とは

《深層学習の勾配降下法》 　⬇︎動画内容⬇︎ ・勾配降下法について（役割・数式）

《深層学習の学習率最適化手法》 　⬇︎動画詳細⬇︎ ・学習率最適化手法とは ・学習率最適化手法の種類 ・SGDについて ・MOMENTUMについて ・AdaGradついて ・NESTEROVついて ・NADAMついて ・RMSPROPについて ・ADAMについて

《深層学習の軽量化・高速化まとめ》 　⬇︎動画内容⬇︎ ・AIサービスにおける前提 ・軽量化・高速化技術について ・量子化について ・モデル蒸留について ・プルーニングについて

深層学習の勾配消失・勾配爆発 　⬇︎動画内容⬇︎ ・勾配とは ・勾配消失・勾配爆発とは ・勾配消失の解決方法 ・活性化関数(Relu関数)について ・重みの初期値設定について(Xavier Initialization/He Initialization) ・バッチ正規化について ・勾配爆発の解決方法について(勾配クリッピング)

《深層学習の誤差逆伝播法》 　⬇︎動画詳細⬇︎ ・数値微分とは ・誤差逆伝播法とは

《深層学習のできることまとめ》 　⬇︎動画詳細⬇︎ ・ニューラルネットワークのできること①回帰 ・ニューラルネットワークのできること②分離 ・今から学習していく内容の全体像 ・ディープラーニング技術について

《深層学習の出力層まとめ》 　⬇︎動画詳細⬇︎ ・ニューラルネットワークの全体像の図（出力層） ・出力層側の活性化関数について ・出力層での活性化関数と誤差関数の組み合わせ ・恒等写像について ・ソフトマックス関数について ・平均二乗誤差関数について ・交差エントロピーについて ・図のまとめ

【AI勉強】AI開発に必要な活性化関数【入力層】【中間層】【活性化関数】【ステップ関数】【シグモイド関数】【Relu関数】【双曲線正接関数】

【AI勉強】AI開発に必要な入力層と中間層【深層学習】【入力層】【中間層】【AIの構造】【数学的記述】

【AI勉強】AI開発に必要なニューラルネットワークの全体像【入力値】【ノード】【層】【出力結果】【深層学習の目的】【パラメータ】

【AI勉強】AI開発に必要な交差検証　【機械学習】【モデル】【ホールドアウト法】【K分割検証法】【クロスバリゼーション】

【AI勉強】AI開発に必要な勾配降下法【機械学習】【勾配降下法】【重みの更新】

【AI勉強】AI開発に必要な機械学習の経験について【機械学習の経験】【データの定義】【教師あり】【教師なし】【強化学習】

【AI勉強】AI開発に必要なハイパーパラメータと検証集合とは【ハイパーパラメータ】【検証データ】【機械学習】

【AI勉強】AI開発に必要なモデル容量をいじる【機械学習】【分類分析】【回帰分析】【次元削除】【クラスター分析】【入力値】【重み】【バイアス】

【AI勉強】AI開発に必要な性能指標について【機械学習】【性能指標】【分類】【回帰】【システムの転写精度】

【AI勉強】AI開発に必要なデータ処理について【機械学習】【欠損値】【カテゴリーデータ】【順序特徴量の変換】【名義特徴量の変換】【One-hotエンコーディング】

【AI勉強】AI開発に必要な回帰分析概要【機械学習】【回帰分析】【線形回帰】【単線回帰】【重線形回帰】【最小二重線形回帰】

【AI勉強】AI開発に必要な次元削除概要【機械学習】【次元削除】【主成分分析】【線形判別分析】【カーネル主成分分析】

【AI勉強】AI開発に必要な分類分析概要vol 3【機械学習】【決定木】【情報利得】【K近接法】【ランダムフォレスト】

【AI勉強】AI開発に必要な分類分析概要vol 2【機械学習】【SVM】【マージン】【出力】【カーネル】

【AI勉強】AI開発に必要な分類分析概要vol 1【ロジスティック回帰】【シグモイド関数】【機械学習】