パラメータを動かして学ぶ、機械学習の入門
大学院講義「Machine Learning for Innovation(#ESDD508、全7回)」の内容を、 スライダーを操作しながら試行錯誤して学べる日本語教材にしました。 情報工学は未習でも、線形代数・微積分の知識があれば読み進められます。 1モジュールおよそ90分、全7回で完結します。
各モジュールは「なぜ必要か → 直感 → 式 → 可視化で試す」の流れで進み、 最後に確認クイズがあります。クイズの回答状況はこのブラウザに保存され、 下のカードに達成率として表示されます。
モジュール一覧
- M1 約 90 分
AI・機械学習・深層学習とは
AI⊃ML⊃DLの関係、モデル=パラメータを持つ関数、DLの4要素と、過学習を体感する多項式フィッティング実験。
クイズ: 読み込み中…
- M2 約 90 分
ニューロンで論理を組む
ニューロン=線形重み付け+活性化。単層・2層ネットで論理演算を作り、決定境界を操作盤で体感する。
クイズ: 読み込み中…
- M3 約 90 分
CNNの構成要素
活性化関数ファミリー、softmaxとcross-entropy、畳み込み・padding・pooling、CNN内のテンソル形状の流れ。
クイズ: 読み込み中…
- M4 約 90 分
学習のしくみ — 勾配降下と最適化
損失関数と勾配降下、誤差逆伝播の直感、SGD・Momentum・Adam、学習率スケジューリング。損失地形とミニNN訓練場で最適化を体感する。
クイズ: 読み込み中…
- M5 約 90 分
過学習との戦い — データ拡張と正則化
汎化と学習曲線の読み方、データ拡張とTTA、アンサンブルからDropout、BatchNormの直感。学習曲線シミュレータ・拡張プレビュー・分布正規化で体感する。
クイズ: 読み込み中…
- M6 約 90 分
転移学習 — 少ないデータで賢く
小データでの過学習を避ける事前学習済み特徴抽出器+古典分類器の実務パターンと特徴空間の観察。
クイズ: 読み込み中…
- M7 約 90 分
物体検出と、その先へ
ロジスティック回帰と正則化、物体検出(R-CNN系 vs YOLO)、IoUとNMS、そして次に学ぶための道しるべ。
クイズ: 読み込み中…