Monthly Archives: 6月 2017

「システム発注から導入までを成功させる90の鉄則」第1回(6/30)

Posted on by 0 comment

参加者 青木(読み手)、今井(記)
範囲 表紙、カバーそで、著者略歴、pp.1-23

表紙
カバーそで
著者略歴
はじめに
CONTENTS

第1章 システムの企画提案~ITベンダー選定までのルール

  • 1-1 ITプロジェクトを社内横断的に立ち上げる
    • RULE01 ITプロジェクトで自社を加速させる
    • RULE02 ITプロジェクトは人選が運命を決める
    • RULE03 オーナーの立ち位置がプロジェクトの成否を分かつ
    • RULE04 役割分担表はまず上流工程のみ定義する

「ゼロから作るDeep Learning」第26回(6/19)

Posted on by 0 comment

参加者 沼田(読み手)、青木、今井(記)
範囲 pp.269-285

8章 ディープラーニング

  • 8.5 ディープラーニングの未来
    • 8.5.4 Deep Q-Network (強化学習)
  • 8.6 まとめ

付録A Softmax-with-Lossレイヤの計算グラフ

  • A.1 順伝播
  • A.2 逆伝播
  • A.3 まとめ

読了

「ゼロから作るDeep Learning」第25回(6/16)

Posted on by 0 comment

参加者 今井(読み手)、沼田、青木(記)
範囲 pp.260 – 269

8章 ディープラーニング

  • 8.4 ディープラーニングの実用例
    • 8.4.1 物体検出
    • 8.4.2 セグメンテーション
    • 8.4.3 画像キャプション生成
  • 8.5 ディープラーニングの未来
    • 8.5.1 画像スタイル変換
    • 8.5.2 画像生成
    • 8.5.3 自動運転

 

「ゼロから作るDeep Learning」第24回(6/13)

Posted on by 0 comment

参加者 青木(読み手)、今井、沼田(記)
範囲 pp.252 – 260

8章 ディープラーニング

  • 8.2 ディープラーニングの小歴史
    • 8.2.4 ResNet
  • 8.3 ディープラーニングの高速化
    • 8.3.1 取り組むべき問題
    • 8.3.2 GPUによる高速化
    • 8.3.3 分散学習
    • 8.3.4 演算精度のビット削減

「ゼロから作るDeep Learning」第23回(6/9)

Posted on by 0 comment

参加者 沼田(読み手)、青木、今井(記)
範囲 pp.241-252

8章 ディープラーニング

  • 8.1 ネットワークをより深く
    • 8.1.1 よりディープなネットワークへ
    • 8.1.2 さらに認識精度を高めるには
    • 8.1.3 層を深くすることのモチベーション
  • 8.2 ディープラーニングの小歴史
    • 8.2.1 ImageNet
    • 8.2.2 VGG
    • 8.2.3 GoogLeNet

「ゼロから作るDeep Learning」第22回(6/6)

Posted on by 0 comment

参加者 今井(読み手)、沼田(記)
範囲 pp.229 – 239

7章 畳み込みニューラルネットワーク

  • 7.5 CNNの実装
    • p.231 SimpleConvNetクラス
      初期化時に高さしか見ていないのは高さと幅が一緒という前提がある?
  • 7.6 CNNの可視化
    • 7.6.1 1層目の重みの可視化
    • 7.6.2 階層構造による情報抽出
  • 7.7 代表的なCNN
    • 7.7.1 LeNet
    • 7.7.2 AlexNet
  • 7.8 まとめ

「ゼロから作るDeep Learning」第21回(6/2)

Posted on by 0 comment

参加者 青木(読み手)、今井、沼田(記)
範囲 pp.224 – 229

7章 畳み込みニューラルネットワーク

  • 7.4 Convolution/Poolingレイヤの実装
    • 7.4.3 Convolutionレイヤの実装
      • p.225 ページ中ほどのコード
        col1のshapeが(9, 75)なのはフィルタをかけた後の出力サイズ9とフィルタの要素数の総和75(3x5x5)なのでしょう。
    • 7.4.4 Poolingレイヤの実装