Udacity: Deep Learning Lesson 2が終了

複雑研全体ゼミで進めてるDeep LearningのLesson 2が終了しました。

Lesson 1はイントロダクションですが、「機械学習って何？」から始まってロジスティック分類器、softmax、バイナリコーディング(one-hot encoding)、交差エントロピー、入力データの正規化、交差検定、過学習、データサイズ、パラメータチューニング、、、といった幅広い話題というか「データを用意して学習器を使って学習させて評価するところまで」一連で出てくるキーワードを各々数分動画で簡潔に話して進むという、恐ろしいまでのスピード感です。いや、各々の動画でわからない所は個別に学べばいいだけなんですが、そこまでやってない（やれてない）部分も多々あって。ということでゼミで紹介発表聞いては突っ込む日々です。

Lesson 2は深層学習の話に入るっぽいですが、その前段としてのNN話が半分、もう半分は正則化とDropout。メインといってもやっぱり「数分動画*数個」で話が終わるという。ま、そんなものかもしれない。ハイスピードでNNにおける重み、線形モデル、中間層、ReLU、チェインルール、バックプロパゲーションあたりの話がざっくりと終わりました。（ので突っ込みまくるわけですが）

分からないところはUdacity限定せずに勉強して欲しいし、聞いてる方も勉強するつもりで質問して欲しいのだけどなー。

P.S.
そろそろ例題プログラム動かすところもちらほら出てきてるのですが、環境構築で苦戦してるのか、動かないらしい。いや、ただ「動かない」と報告されても情報量ゼロなんですが。報告の体をなしてないぞと突っ込んで、来週もう一度やってもらうことに。頑張れ〜。