ゼロから作るdeeplearning1③　第1回

Summary

この議事録は、プログラミング言語Pythonの学習会の様子を記録したものです。発表者が丁寧にPythonの基礎的な文法や外部ライブラリの使い方を説明し、サンプルコードを紹介しながらディープラーニングの基礎にも言及しています。参加者からの質問に対する解説や、次週の予定の確認など、わかりやすく実践的な内容が盛り込まれた貴重な学習機会となっています。初心者にもアドバンスな内容にもバランス良く触れており、学習意欲を掻き立てる具体的な事例が詰まった有益な議事録です。

Takeaways

• 👨‍🏫 これは Python 入門の勉強会の様子を記したスクリプトである。
• 🐍 Python の基本的な文法と構文について説明している。変数、データ型、条件分岐、ループ、関数、クラスなどの概念を取り上げている。
• 📊 NumPy ライブラリを使った行列や配列の操作方法を紹介している。ベクトル演算やグラフ描画の例も示されている。
• 🤖 ニューラルネットワークの基礎である、パーセプトロンのアルゴリズムについて解説している。AND、OR、XOR ゲートの実装方法を説明している。
• 💬 参加者からの質問に答えながら、分かりにくい部分を丁寧に説明するよう心がけている。
• 🗺️ スクリプトを通して、Python の基礎から NumPy、そしてディープラーニングの基礎へと順を追って学習していく流れが描かれている。
• 📝 発表者は Google Colab を使いながらコードの実演を交えて説明しており、視覚的な理解を促している。
• ✋ 参加者からの積極的な質問を促し、インタラクティブな雰囲気作りを心がけている。
• 🔃 次回の発表者に向けて、今回の発表を参考にするよう促している。
• 📢 勉強会の最後に、今後の予定や次回の発表内容について言及している。

Q & A

このスクリプトの内容は何に関するものですか?

このスクリプトは、Python入門のオンライン勉強会の内容についてです。発表者が1章と2章の内容を説明し、Pythonの基本的な文法やNumPy、Matplotlibなどの外部ライブラリの使い方、パーセプトロンのアルゴリズムについて解説しています。

パーセプトロンとは具体的に何を指していますか?

パーセプトロンは、複数の入力信号を受け取り、それぞれに重みをかけた和が閾値を超えるかどうかで出力を決める単純なニューラルネットワークのモデルです。発表ではパーセプトロンを使ってAND、OR、XORなどの論理演算を実現する方法が説明されています。

NumPyやMatplotlibといった外部ライブラリはどのような用途で使われますか?

NumPyは行列やベクトル計算を簡単に扱えるライブラリで、発表ではNumPyを使って行列の作成や演算、ブロードキャスト機能の説明がありました。一方、Matplotlibはグラフや画像の可視化ライブラリで、発表では簡単な関数のグラフ化や画像の表示方法が紹介されています。

発表者はコードの実行にどのような環境を使っていましたか?

発表者はGoogleColabを使ってコードの実行を行っていました。ColabはGoogleが提供するクラウド型のJupyter Notebook環境で、自身のPCの性能に依存せずにPythonのコードを実行できます。

発表の最後で質疑応答がありましたが、どのような質問が出されていましたか?

質疑応答では、パーセプトロンの説明でブロードキャストについて詳しく説明してほしいという質問や、Zeebraというグラフ可視化ツールの使い方、Google ColabとJupyter Notebookのどちらが良いかなどの質問が出されていました。

この勉強会の目的は何でしたか?

この勉強会の目的は、参加者にPythonの基礎と外部ライブラリの使い方、さらにはディープラーニングの基礎となるパーセプトロンのアルゴリズムを学んでもらうことでした。発表を通して理解を深め、次回以降のディープラーニングの学習につなげることが目指されていました。

来週の勉強会では何が予定されていますか?

来週の勉強会では3章のニューラルネットワークについて高柳さんに発表してもらう予定です。ニューラルネットワークはディープラーニングの基礎となる重要な概念なので、今回の勉強会の理解を踏まえた上で学習が進められる予定です。

この勉強会の内容はどのように公開される予定でしょうか?

発表者は、この勉強会の内容をSlackコミュニティである「アカデミックス」と「シグネイト」の両方で公開したいと述べていました。ただし、参加者に個別の確認を行い、顔が映っている場合などは公開しないとのことでした。

パーセプトロンを使って実現できる論理演算にはどのようなものがありますか?

発表では、パーセプトロンを使ってAND、OR、NOTといった基本的な論理演算を実現する方法が説明されました。さらに、これらを組み合わせることでXORなどの複雑な論理演算も実現できることが示されていました。

発表の中で、直線で分離できない問題についての質問がありましたが、その回答は適切でしたか?

発表者の回答は適切でした。非線形な問題は1本の直線で分離できませんが、発表者は十分な数の直線を引けば曲線で分離できる領域を再現できると説明しました。つまり、理論的には直線の組み合わせで非線形な問題も近似できるということです。

Outlines

00:00

🗣️ 勉強会の進め方説明

この段落では、今週の勉強会の進め方について説明しています。まず、各自が「Good and New」と呼ばれる近況報告を1分程度行い、その後、発表者がスライドを使って本題の内容を説明します。説明の区切りごとに質問タイムを設け、最後に全員から質問を1つずつ受け付ける予定です。発表者は沼田さんです。

05:02

🐍 Pythonの基礎

この段落では、Pythonの基礎的な文法や機能について説明しています。四則演算、変数、リスト、辞書、条件分岐、ループ、関数、クラスなどの基本的なプログラミングの概念が紹介されています。また、外部ライブラリのNumPyを使った行列計算や可視化の例も示されています。

10:05

📐 NumPyによる行列計算と可視化

この段落では、NumPyライブラリを使った行列計算や可視化の方法について詳しく説明しています。配列の作成、インデックスアクセス、行列の形状確認、ベクトル演算、ブロードキャスティング、グラフの描画など、NumPyの様々な機能が紹介されています。

15:06

🖼️ 画像処理とMatplotlibライブラリ

この段落では、Matplotlib ライブラリを使った画像処理と可視化について触れています。画像のアップロード方法、Google Colab 上での画像表示、グラフの描画関数の違いなどが説明されています。また、発表者が用意したスライドが少なめだったため、コード例の共有がメインとなっています。

20:08

⚡ パーセプトロンアルゴリズム

この段落では、パーセプトロンアルゴリズムについて説明しています。パーセプトロンの構造、入力と出力の関係、重みとバイアスの役割、論理演算の実装方法などが詳しく解説されています。また、NumPyを使ったパーセプトロンの実装例も示されています。

25:10

⚡ 論理演算の実装とXORゲート

この段落は、前の段落の続きとして、パーセプトロンによる論理演算の実装方法を説明しています。AND、OR、NOTゲートの実装例が示され、さらにXORゲートの実装が重点的に取り上げられています。XORゲートの実現方法として、2つのパーセプトロンを組み合わせる方法が詳しく解説されています。

30:10

✨ パーセプトロンの発展形

この段落では、パーセプトロンの発展形について触れられています。単層のパーセプトロンでは線形分離可能な問題しか解けないことが指摘され、より複雑な問題を解くために多層のニューラルネットワークが必要であることが示唆されています。次回の発表ではニューラルネットワークについて学ぶことが予告されています。

35:12

💬 質疑応答

この段落では、発表後の質疑応答セッションが記録されています。参加者から様々な質問が寄せられ、発表者がわかりやすく丁寧に回答しています。ブロードキャスティングの仕組み、グラフ描画ツールの使い方、Google ColabとJupyter Notebookの違い、非線形問題の扱い方など、幅広いトピックが取り上げられています。

40:13

🎦 アーカイブ公開と次回案内

この最終段落では、今回の勉強会の動画アーカイブをSlackで公開することが提案されています。また、次回の発表者と内容が紹介されており、ニューラルネットワークについて学ぶことが予告されています。参加者からの質問や確認事項を受け付けた後、勉強会が終了しています。

Keywords

💡Python

Pythonはプログラミング言語の一つです。この動画では、Pythonの基本的な構文や機能が紹介されています。例えば、変数の宣言、データ型の扱い方、条件分岐やループなどの制御文が説明されています。Pythonは読みやすく簡潔な文法を持つことから、初心者にも分かりやすい言語とされています。動画ではPythonを使ってディープラーニングなどの機械学習が可能であることも紹介されています。

💡パーセプトロン

パーセプトロンは機械学習における単純な人工ニューラルネットワークのモデルです。この動画では、パーセプトロンのアルゴリズムと動作原理が詳しく説明されています。パーセプトロンは入力値に重みをかけて総和を取り、それが閾値を超えた場合に出力を1、そうでない場合は0とするシンプルな仕組みです。動画ではパーセプトロンによる論理回路の実装例が示され、AND回路、OR回路、NAND回路、XOR回路の実現方法が解説されています。

💡ライブラリ

ライブラリとは、あらかじめ作成されたプログラムの集まりのことです。この動画では、PythonにおけるNumPyやMatplotlibといった外部ライブラリの使い方が紹介されています。NumPyは数値計算を効率的に行うためのライブラリで、行列の操作などに用いられます。Matplotlibはグラフやプロットを描くためのライブラリです。動画では、NumPyでベクトルや行列を作成し、Matplotlibでグラフを描画する具体例が示されています。ライブラリを活用することで、プログラミングがより簡潔で効率的になります。

💡条件分岐

条件分岐とは、プログラムの実行経路を条件によって分岐させることです。この動画では、Pythonにおける条件分岐のif文とelse文、さらにはelifによる多岐分岐の使い方が説明されています。具体例として、値の大小を比較して異なる処理を行うコードが示されています。条件分岐は、プログラムの柔軟性を高め、様々な状況に対応できるようにするために重要な機能です。動画では、if文を用いてパーセプトロンのアルゴリズムを実装する例も紹介されています。

💡ループ

ループとは、プログラムの中で同じ処理を繰り返し実行することです。この動画では、Pythonにおけるループ処理のfor文とwhile文の使い方が紹介されています。具体例としては、リストの要素に順番にアクセスするfor文の利用や、条件が満たされる間while文でループを続ける例が示されています。ループを利用することで、大量のデータに対する処理を効率的に行うことができます。動画ではループを用いてパーセプトロンのアルゴリズムを実装する例も紹介されています。

💡関数

関数とは、一連の処理をまとめたプログラムの塊のことです。この動画では、Pythonにおける関数の定義方法と呼び出し方が説明されています。関数を使うことで、プログラムをモジュール化でき、コードの再利用性が高まります。具体例として、特定の計算を行う関数や、パーセプトロンのアルゴリズムを実装した関数が紹介されています。関数には引数を渡すことができ、戻り値を返すこともできます。関数を活用することで、プログラムの可読性と保守性が向上します。

💡クラス

クラスとは、オブジェクト指向プログラミングにおける設計の基本単位です。この動画では、Pythonにおけるクラスとオブジェクトのしくみおよびそれらの利用例が説明されています。クラスは属性とメソッドから構成されます。属性はデータを保持し、メソッドは処理を記述します。動画では、クラスの定義方法、オブジェクトの生成方法、そしてクラスのインスタンス化の例が示されています。クラスを使うことで、プログラムのモジュール化と再利用性が高まります。

💡可視化

可視化とは、データを視覚的に表現することです。この動画では、Matplotlibライブラリを使ってPythonでのデータの可視化方法が紹介されています。具体例としては、グラフの描画やプロットの作成、さらには画像の表示が示されています。データを可視化することで、それらの傾向や特徴をより直感的に把握できるようになります。動画ではMatplotlibを使って関数のグラフを描く例や、NumPyで生成した行列データを可視化する例が解説されています。

💡ディープラーニング

ディープラーニングとは機械学習の一分野で、深層ニューラルネットワークを用いたアルゴリズムのことを指します。この動画では、ディープラーニングの基礎となるパーセプトロンとニューラルネットワークの概念が説明されています。パーセプトロンは単純なニューラルネットワークモデルで、ディープラーニングの基本的な考え方が反映されています。動画ではPythonがディープラーニングに適した言語であることや、NumPyなどのライブラリが機械学習に役立つことが述べられています。

💡Google Colab

Google ColaboratoryまたはGoogle Colabは、GoogleによるクラウドベースのJupyter Notebook環境です。この動画では、プログラムの実行やコードの実演にGoogle Colabが利用されています。Google Colabは無料で利用でき、GPUやTPUなどの計算リソースを借りることができるため、機械学習関連のプロジェクトに適しています。動画の中で、スピーカーはGoogle Colabを用いてPythonコードを実行し、説明を行っています。Google Colabは備わっているさまざまな機能を活用することで、効率的なコーディングが可能になります。

Highlights

Pythonは入力を与えてしまえば、出力がもらえるっていう割と何でしょうね、始めやすい言語で、ディープラーニングでも向いているという、ことなんですけど。

リストというものがあって、これ大括弧で括ってカンマで区切ったもの、を理想って言うんですが、これそのまま出力することもできます。

辞書っていうのがありまして、辞書では、キーと値っていうのが、格納されているんですが、キーを先ほどの配列っていうsoyageの部分をキーにすることでそのキーに対応する値を出力することができます。

if文っていう、条件分岐の、ものがあるんですが。

for文というループの、ループ処理をするものがあって、oiinの後にリストを入れると先ほどあげたリスト入れると、この中身が1個ずつ愛に入っていきます。

Def名前、引数目って感じなんですけど引数っていうのは受け取る値なんですが先に使い方を見るとビバリュエと引数この値、これを、この170がここにこの変数に落とされて、この変数を先ほどのように比較して出力される。

セイハローというクラスを定義するんですが、このクラスの中でも関数を整理することができて、この中ではHelloと出力する関数を作りました。

インポートの名前ってどうなる場合がインポートされますナンパいってのは行列とかベクトルとかをすごい便利に扱える外部ライブラリーと言ってPythonの外部ライブラリっていうのはすごい人たちが作った便利なものでみんなで共有しようみたいな感じで使えるので、せっかくなので使おうという感じでこのナンパってライブラリを呼んだんですが。

NPドットアレンジという関数では引数、010っていると、0から、0以上12万の整数の値を全部並べてくれますリスト化してくれます最後に2って入れるといいことばしで、佐賀にのものが出せます。

ベクトルを作るベクトリア行列を作るあれという関数があるんですが、これが1次元行列ですねベクトルですね。

この大きさっていうのはですねドットシェイプ名前ドットシェイプ、0または1もっと大きいのもあるんですが、増えると大きさが見れます。

この場合のいいところはですね足し算を簡単にできるということで本当は普通だったらこういう足し算でできないんですよ、行列だとナンパイだと行列卒業率っていう式を書くだけで中身が全部足されます。

マットプロットリブっていう、グラフだったり画像だったりを、いじれる出力できるライブラリがあるので、それを入れてみて、先ほどのNPだったアレンジで、0から9の値を出して、プロットすると、こっちがx軸でこっちがy軸でって感じでグラフが出力できます。

パーセプトなんて何かって言うと、複数の信号ですね入力として受け取って、この中で言うとX1とX2の入力として受け取ってWHとダブル2ですねwesw2っていう重みをね重みを同じ親父がですね動詞かけてあげてその和を取ったものを、まあある一つの変数として見たときに、値1個出ます。

andordは実現できたんですが、xorっていうお店があるんですけど、X1はですねあ間違えた、そうですね、どちらかが1でどちらかが0じゃないと1にならないんですね、そういう回路をX1点ですが、これどうやって実現するこの領域ですね。

Transcripts

流れ流れというものを今チャットに送り

ます

進め方ですね

はいチャットに送りましたまず最初に本当

はですねまあ今週のgoodandNew

ってものを1人30秒程度やろうと思った

んですけどまあ人数が多いとことなので

発表する人だけ

軽く一言1分以内に

喋ってもらいたいなって思いますで終わっ

た後に今週の勉強会の

代表者の方がスライドを用いて発表して

いただくとその発表していく中で

理解しながら進めていきたいってことなの

でまあ区切りのいいところでちょっと止め

て

質問タイムというのを設けるようにして

くださいお願いします

でスライドはですね発表する前に一応皆

さんにも手元で見れるようにしたいので

チャットに投稿するようにお願いしますで

最後に一応質問タイムも設けるのでまあ

一人一つは

質問するようにお願いします

1週間も間があるのでねまあそのお忘れ

ないように1個1個各賞はマスターして

いきたいなって思うのでこの

貴重な1時間夜遅いですけどこの機会を

存分に生かしてしっかり学んでいき

ましょう

てことで今週の発表者はショーダートモヤ

くんですでは正田君

にバトンタッチしたいなと思いますじゃあ

今週のグッドアンドニューってことで今週

何でもいいんで

何でもいいんでなんかあったことを

一言二言でお願いします

夏休みに

フェスの申し込みをしたんですけど音楽

ライブの当たりましてそれだけでも

嬉しかったんですけどちょっと一次選考

って言ってアーティストが全員出てない

状態で申し込んだんで倍率が

低かったんですよ

で当ててから発表されたんですけどそれが

まさかの一番好きなアーティストで

[音楽]

嬉しかったですどんなアーティスト好きな

んですか

当てたのはバックナンバーですね

バックナンバー皆さんはバックナンバー

好きな人多いと思う一番好きな曲なんです

か難しいな

スーパーになったらですか

僕はちょっとわかんないですごめんなさい

です

ありがとうございます

ということでじゃあ次1章と2章ですね

発表をお願いします

スライドそういうしたいんですけど

スライドちょっと今回書くことがあまり

なくて

スライドは少なめなんですけどちょっと

そのコードの部分が多いので

コードも一緒に共有したいと思います

これって開けますかね

見えてますありがとうございます開けて

ない人いますか大丈夫ですか

これつってますかあ間違えた

見えてますありがとうございます

これ今Googleコラボの画面映って

ますか

Googleコラムのこっちか

これ映ってますそうそう

はいじゃあお願いします

はいでは第1回勉強会発表させていただき

ますと申します僕は1社と2章を発表して

いきます

まだ第1章はちょっとコードがプログラム

コードがほとんどだったのでGoogle

コラボで説明していきたいと思います

Pythonの入門ってことだったんです

けどPythonがどんなプログラミング

言語かっていうのとPythonで使える

外部ライフライブラリという

便利なものの説明をしていました

Pythonはですねこうやって1+1

っていう入力をすれば日って出てくるよう

な

これ結構プログラミングの中では

プログラミング言語の中ではなかなか

珍しいものでそれだったらもっと

複雑な作業してしないと入力と出力って

いう対応がそれは難しいんですけど

Pythonはもう入力を与えてしまえば

出力がもらえるっていう割と何でしょうね

始めやすい言語で

ディープラーニングでも向いているという

ことなんですけどこれ1+1ってそのまま

打って出てくるのはGoogleコラボと

かそういう

そういうのの仕様だしってPythonの

仕様じゃないらしいのでここからプリン

トっていうのを使っていくんですが

これプリントっての関数と言いましてそれ

後で説明するんですけどこのプリントの

括弧の中に

式とか値ってのを入れると出力されます

その答えがPythonでは引き算

掛け算割り算の計算などできるんですが

注意していくのは

掛け算はアスタリスク割り算はスラッシュ

累乗はアサリスクに行こうみたいな感じで

値には型というものがあるんですが11

だったらイントっていう整数の方7÷5

だったら11.0だったら小数の方でこう

いったダブルコーテーションとかシングル

をコーテーションで作られているものは

文字列型といってこれ何が大事かっていう

と

文字列型と整数型は足し算できないですね

でも文字列型同士だったら足し算ができる

といった感じになっています

で比較というものがありまして

こういう大なり小なりの

式はですね

ブール型というもので帰ってきます

何言ってるかというと1は2より小さいの

で1章なり2っていうのを入力にすると

出力はする話とでに3より大きいというの

は間違っているのでそれを入力にすると

出力はフォースという風に入ってきます

変数というものがありまして

X=11って書くと11という値が

Xという変数に格納されて

Xをそのそれ以降は値のように扱います

プリントエクストすると11って出力さ

れるようにこれ結構便利なので使っていき

ます

編成同士の足し算を出力することもでき

ますし変数の

演算したものを変数に格納することもでき

ます

リストというものがあって

これ大括弧で括ってカンマで区切ったもの

を理想って言うんですが

これそのまま出力することもできます

プリントで

中身だけ取り出したい時は

何番目かっていうのを見ていくんですが

Pythonでは戦闘が0番目で

012ってなってますなので

リストの0番目を出したい時はこういう風

に書いてAppleが出てきます

この辺でちょっと山岸に聞きたいんです

けど

この辺で詳しく説明した方がいいですかね

そうですねまあもうちょっと

初心者っていうかまだ未経験の方もいるか

もしれないので

もうちょっと丁寧に

ゆっくりと説明したら

嬉しいです

あと20分だけなのでワンちゃんその

皆さん

そのPythonの知識がどんなもんかを

ちょっとお聞きしてみるのはそうですね

今のところの説明でついてこれないって

いう

方いらっしゃいますてかもしくは

Python本当にやったことない方

村上さんどうぞ

アブラハシさんすいませんどうぞ

お話よくわかるんですけど一つだけ質問さ

せていただいてよろしいですかはいお願い

します

テキストを囲む時にダブルコーテーション

とシングルコーテーションがあるとその

使い分け

規則

それはどうなってるんですかそこがわから

ないものでPythonでは一切違いが

なくて

そこ間違えても大丈夫という形になってい

ますまた近いです全く気にせずに

ダム工程表はシングルクォーテーション

自由に使って全く問題ないとはい大丈夫

ですはいありがとうございますありがとう

ございます

この時点でちょっとまだわからないなって

いう方

遠慮せずどんどん聞いちゃって大丈夫です

大丈夫ですか他の方

なさそうだったらちょっとこの辺ペース

上げていきたいんですけどそうですね

じゃあはい行きましょうはい続けていき

ます

辞書っていうのがありまして

辞書では

キーと値っていうのが

格納されているんですが

キーを先ほどの配列っていうsoyage

の部分をキーにすることでそのキーに対応

する値を出力することができますで架空の

キーを設定することで

追加することもできますこんな感じで

次ですね

if文っていう

条件分岐の

ものがあるんですがまず値段130って

設定しといてもし150よりもそれが

小さかったら安いと出力するという文章が

こんな感じになります

ですねもしそれ

以外の時って言いたい時はエルスという

ものを使いますもっと条件分岐したいとき

はLEDというものを使います

次に構文というループの

ループ処理をするものがあって

oiinの後にリストを入れると先ほど

あげたリスト入れると

この中身が1個ずつ愛に入っていきますな

ので

x=x+と

Xに1個ずつ足していったら

順番に136と出力される感じです

これが先ほど言ったプリント文の

プリントっていう関数があったんですが

これが関数の作り方で

Def名前

引数目って感じなんですけど引数っていう

のは受け取る値なんですが先に使い方を

見るとビバリュエと引数この値

これを

この170がここにこの変数に落とされて

この変数を先ほどのように比較して出力さ

れるという形になります

次クラスですねセイハローというクラスを

定義するんですが

このクラスの中でも関数を整理することが

できて

この中ではHelloと出力する関数を

作りましたそれをですねオブジェクトと

言ってまあある物体がこうやって全ハロー

というクラスの物体を作るというこの文章

なんですが作られた物体はですねこの

メソッドという関数を持っているので

ドット整理と出力することができますこの

関数を実行することができます

またインスタンスというものがあるんです

インストラクターというものがあるんです

が

デフの後に

undbandbyderbar

ってやると

クラスを

定義したクラスをオブジェクトにこう入れ

た時ですねインスタンスカットですがこの

物体を作った時に呼び出される関数となり

ます

セリフというのは一旦無視していいと思い

ます

そこからラムパイの説明をしていきます

まずインポートの名前ってどうなる場合が

インポートされますナンパいってのは行列

とかベクトルとかをすごい便利に扱える

外部ライブラリーと言ってPythonの

外部ライブラリっていうのはすごい人たち

が作った

便利なものでみんなで共有しようみたいな

感じで使えるので

せっかくなので使おうという感じでこの

ナンパってライブラリを呼んだんですが

インポートしたんですがそれそのナンパイ

というライブラリに関するというものが

入ってまして先ほどみたいにその感想を

呼びたい時はダウンパイドットコムその

名前にドットコムみたいな関数名をつける

と呼べます

で

asNPって後につけると何倍って町5

文字長いので2文字に変えることができて

これ以降にNPで呼び出すことができます

NPドットアレンジという関数では引数

010っていると

0から

0以上12万の整数の値を全部

並べてくれますリスト化してくれます最後

に2って入れるといいことばしで

佐賀にのものが出せます

ベクトルを作るベクトリア行列を作るあれ

という関数があるんですが

これが1次元行列ですねベクトルですね

で二次元行列を作りたいときは

リストの中にリストを入れていくという

感じで

このように普通に行列の形になってるん

ですが

一つだけ値を出したい時は例えば3の2

ってやると

順番でと0から始まっているので

0123大きい3番目の

012で最後の11が出力されます

この大きさっていうのはですねドット

シェイプ名前ドットシェイプ

0または1もっと大きいのもあるんですが

増えると

大きさが見れます

0ってやるとこの大きいくくりがいくつ

あるか

で1ってやるとこの大きいくくりの中に

X数字が入っているかということでこの

行列のサイズを見ることができます

この場合のいいところはですね足し算を

簡単にできるということで本当は普通だっ

たらこういう足し算でできないんですよ

行列だとナンパイだと行列卒業率っていう

式を書くだけで中身が全部足されますで

これもすごくて行列かける

値の数字ですね

センスかけてあげるとこのままYっていう

行列に単純に2倍されると

そしてですねこれがまたすごくてブロード

キャストっていう仕組みなんですが

行列とベクトルですねサイズ違うんです

けど自動的にそのサイズを見極めてくれて

掛け算自動でしてくれるみたいです

でマットプロットリブっていう

グラフだったり画像だったりを

いじれる出力できるライブラリがあるので

それを入れてみて

先ほどのNPだったアレンジで

0から9の値を出して

前はですね

今のブロードキャスト

ブロードキャストじゃないや普通に単純に

掛け算足し算することでこれを2x+3

っていうy=2x+3っていう

グラフ出したいんですが

XXから単純に2倍して参加されたものが

Yになってます

でこれプロットすると

こっちがx

軸でこっちがy軸でって感じでグラフが

出力できます

画像も出力できるんですが

これはですねライブラリの中にフォルダー

がありましてちょっと難しいこれは言わ

なくていいですか

この辺は結構関数とか色々

複雑なんですが使う時に調べればいいと

思います

覚える必要ないと思います

では

ちょっと

駆け足になっちゃったんですが一生終わり

まして

ありがとうございます一生終わった

タイミングなので今ちょっと駆け足だった

と思うんですけど

わからないところとか

ここをもうちょっと詳しく知りたいって

いう人いたら挙手をお願いします

大丈夫そうですか

じゃあ僕からあじゃあ藤野さんお願いし

ます

違いますねと思って格闘しただけです

じゃあ僕からちょっとひとつ質問なんです

けど

さっきの

説明でブロードキャストてあったと思うん

ですけど

それをもうちょっとなんだろうまだ理解

できないので

詳しく説明して欲しいなって思います

了解です

えっとですね

この仕組みは正直わからないですでも何が

起きているかっていう話だけさせてもらう

と

まずちょっと待ってくださいね

これ上のこれがA出力されてるんですけど

A1023ってこう

四角形になってるじゃないですか

はいで行列足す行列とかだったら

それぞれの同じ位置のものが足されてた

じゃないですか

サイズ違うのでBどこに出したらいい

かって普通

わかんないというかそれを勝手にこれと

これ足したらいいみたいなの考えてくれて

これで言ったら

この21っていうのを100にかけてくれ

て20になって

2321がかかって43になるっていう

サイズが違う行列の

行列を先ほどのX+Yみたいな風に簡単に

扱えるのがすごいところです

あーなるほどなるほどわかりました

ありがとうございますありがとうござい

ます

他大丈夫そうですか

ちょっといいですか

そんな大事じゃないとこだと思うんですよ

[音楽]

画像

の取り込みとかで最後のところでその

画像ってこのGoogleコラボだったら

どこに入れとけば表示されるようになるん

ですかね簡単にやるとしたらここでここに

フォルダーマークあるんですけどここで

アップロードこのボタンでここで

ちょっとだけ規模を大きくしたい時はここ

でドライブをマウントってするんですけど

そしたらGoogleドライブ同じ

アカウントでフォルダ作ってもらったら

そのGoogleドライブのパスをこの

画像のURLのところに

理解できましたありがとうございますはい

このイムショート

IMショートショーの

違いってなんだかわかりますか

このプロット関数プロモーション

モジュールプロットモジュールの

召喚するとわかりません

わかんないですか

使うときに考えますこういうのはこういう

のは1回調べて

実際にこのIM召喚数は

画像を表示する

関数で今笑ってる男の子が表示されている

と思うんですけど

この笑ってる男の子が表示されてこの

召喚数は

グラフを表示するだから

x軸y軸みたいな

0120300みたいななるほどですね下

を消すと

何だろう多分

ジュピターの音だけだと変わらない

もしかしたらそういうことです

ね

環境によっては両方必要っていう

関数は

グラフを表示する感じで

IM多分イメージの

IM取ってると思うんですけど外務

省関数は

画像を表示する関数っていう感じです

ありがとうございますはい

じゃあ次行きましょうパーフェクト

論の話に入っていきます

パーフェクトなんていうのはですね

アルゴリズムの一つなんですけど

アルゴリズムなんですかね何か問題を

数学的な問題を解決するときに

方針が出るんですけどちょっとごめん

なさいこの説明うまくできません

アルゴリズムよく聞いたことがあると思い

ますこれはアルゴリズムの一つですで

パーセプトなんて何かって言うと

複数の信号ですね入力として受け取って

この中で言うとX1とX2の入力として

受け取ってWHとダブル2ですねwesw

2っていう

重みをね重みを同じ親父がですね動詞かけ

てあげてその和を取ったものを

まあある一つの変数として見たときに

値1個出ますよねその値が

諭吉のシータって今名付けるんですけど

シータの閾値を超えるかどうかで発火する

かどうかが決まるという発火って何かって

言うとまず入力は1と0から入力されるん

ですけど電気信号なので

悪化したら悪化したら出力が1発火し

なかったら出力が0ってなること

そういうアルゴリズムをパーセプトラと

言います

これわかりやすいでもあるんですけど

andっていうまた別の言い方をすると

かつ何々勝つ何々どちらともって意味なん

ですけど

X1も

Xにも1の時

X1&Xには1だとで他の

どちらかが0だったら

0になるのand

って言います

ですねこれまたはって意味なんですけど

1どちらかが1を持ってれば1になるのが

多いです

で何度っていうのは安堵の反対not

andの略なんですけど

安堵の反対意見だけ

言っておきます

これ今

これですかねコメント

コメントなんか

ありました

今

URL貼ったんですけどこれが続きですい

ませんもう一個次のもあるので先に貼って

おきます

見えてない人

みんないないですかね大丈夫ですかね

えっとこれさっきの入力ですねx1x2

ってなってきたに設定したんですけど安藤

の時はですね

重みを0.5にしてそれぞれシーターを

0.7にするとうまくいくんですねこれは

何でかっての後で説明しますで

xとyの数字が同じものをそれぞれかけた

ものを足し合わせたものを出力してみると

0.5になるんですけどそれが1を超えて

いるかでの条件で見てこれは超えていない

ので

0が出力されますつまりどっちも1じゃ

ないですよねだから出力が0になります

これなんで

0.50.50.7だとうまくいくかって

いうと

このですね

この条件式見てみると

この

式が

0.7より小さいという式になってますよ

ねそれは

wxxと

X1とX2の2変数のですね

なんかy=2xとかいう曲線の式あった

じゃないですかあれって変数2個なんです

けど変数2個の式はこうやって直線になる

んですねで

イコールがないので

これがもしイコールだったらこの直線を

表すんですけど

=じゃないのでその直線より上って言い

たいんですね

で

0.5x+0.5Yが0.7より大きいっ

ていうこの領域はですね

うまいこと

この

x1x2が0の時

X1が0x2が1の時みたいな感じでこれ

この3つは

0になってx1x2両方が1の時は1にな

るっていう

ちょうどいい位置なんですねだからこれ

0.7じゃなくても良くて0.5じゃなく

ても良くて少しずらしてもこの1だ11

だけをこの領域に入れることができれば何

でもよくてそれがうまくいってるあたりが

たまたまこれだったということです

で別のを見てみると

先に関数関数にしますね今のものですね

関数にするんですけど入力をx1x2にし

て同じことをしますすると

and00って言っただけで

0が出てくるようになって&一時ってやる

と1が出てくるこれがハンドゲートの関数

が完成しました

でここからナムパイで

簡単にしていくんですけど

入力をですね分配の配列にしてあすいませ

ん

次のやつです

いいですね重みも

何杯の配列にしてでこれでバイアスって

いうのも出てくるんですけどこれ何かって

言うとこの右側の

0.7だったと思うんですけどこれ一周し

たよねシートっていうそれを左側に移して

あげて

こうやって式変形してあげることで右側を

0にすることができるので

どんな状況でも

ゼロと比較することになって

綺麗になるということです

でですねなので右か左に移動したので

マイナスがつきます先ほどプラスだったの

で

重み付けもですね何倍なのでめちゃめちゃ

簡単になります

X×Yってやるだけでいいのでいくらxの

値が増えてもいくつのXのサイズが増えて

もこのひとしきでできますで

燃費ドットSAMっていう中身の和を計算

するもので先ほどのですねXとYをかけて

足すっていう計算がこの2行でできるよう

になりました

でそのバイアスをつけてあげてですね

0と比較してあげることで

もっと綺麗に書けましたよということです

で何度なんですが何度は

Wの値とバイアスの値を安堵と逆さまにし

てあげれば実現できます何でかって言うと

もう見れば

一目瞭然で

これまず

大なり小なりをひっくり返しただけの式

ですそれのまず

0.7を左に移行してから

これはですね

全体にマイナスをかけると以上と以下は

ひっくり返るんですがそうすると

全部

すいませんインプットと

WとBバイアス重みとバイアスを

ひっくり返したものになっていることが

わかります

でですね

うまいこと行く

値があってこれから1.50.50.2

だったということです

次にですね今まで今はやってたのは一層の

パーフェクトなんだったんですね

まあこんな感じで入力があって出力がある

みたいな感じだったんですねそれで

andordは実現できたんですが

xorっていう

お店であるんですけど

X1はですねあ間違えた

そうですね

どちらかが1でどちらかが0じゃないと1

にならないんですね

そういう回路をX1点ですが

これどうやって実現するこの

領域ですね

00と11は

0を出力したいので

この領域ってこの線以上とかこの線以下

っていうものだけじゃ実質的にできない

ことがわかると思いますじゃあどうやる

かって言うと

先ほどミスター

を貼ってありますねorより大きくて

より大きくて何度より小さいこの領域が

ぴったりxorの領域になっていると思い

ますなのではandって言いたいんですよ

はかつ何度

したらもうやることは簡単で何度との関数

作りましたよねまず入力をx1x2って

受け取って何度とコアに

x1x2を入れてその出力をshsdとし

て持っておきますでその出力をandに

入れてあげることで結果的に

or&みたいなものができるとでそれが

xor

ですはい以上で終わります

ありがとうございました

この

グラフ

めっちゃわかりやすいですねありがとう

ございます僕

わかんない知らなかったんで使ってみよう

か

調べたら出てきます

確かにこの何度と

は

これうまくどう説明するのかなと思ったん

ですけどじゃあこれは分かりやすいです

ありがとうございます

じゃあここまで2章まで説明を発表をして

もらってもらいましたありがとうござい

ますここから

質問タイムなんですけれどもここまでの話

を聞いて

わからないことがあれば

リアクションボタンがあると思うのでそこ

から

挙手でお願いします

些細なことでも聞いちゃって大丈夫です

はいどうぞ村橋さん

すいません

Zeebraっていうのを始めてみたん

ですけどもはい

何ですかこれはこれ関数グラフって言って

もう

あの

可視化できるんですね指揮とかを直線とか

これこれはどっかから取れるんですか今

チャットに送ったんですけどURL踏む

だけで使えますアプリをもあります

ありがとうございます使ってみます

他何かありますかね

佐藤さんとかどうでしょうここまでの話を

聞いて

あすいません

私ちょっと最後に聞こうと思ったんだけど

このこれのゼロつくのねこの本をやるとき

に

環境はね降るあのコラボ使ってるのか

ジュピター使ってるのかどっちの方針

どっちがいいですかね

私はクラブがあまりに使いやすいんです

使ってるんだけど

これあのこのね乗ってたあの関数のやつを

コピペするとできないやつもあるんで

どっちがいいのかなって

適当にやってるんだけど一応今ね実装あの

コラボでもって試してるんだけど皆さん

どっちですかね

チャットに

書いてもらうどうでしょうねなんか

アンケート

すいません私言葉で聞いてしまう

言ってくれたらやっぱコラボやっぱりそう

ですね

コラボを使ってます同じです

ジュピターだと自分のねパソコンの性能で

ね

依存するです

はいありがとうございました

コラボでやっていいよ

ありがとうございます

かどうでしょう

大丈夫そうですねじゃあ

自分から1個

質問はいどうぞ発表ありがとうございまし

ためちゃくちゃ分かりやすかったです

けどこのfxr問題っていう風に

言われる問題がその

非線形だから解けないみたいな話がある

じゃないですかさっき見たとちょっと

日本直線を引くことで分離できてると思う

んですけど

1本で直線1の直線で分離できないことを

非線形って言ってるんですかねその直線で

分離できる分離できる領域非線形という風

に言ってるんですけど

直線日本で分離してるから確かなって思っ

たんですが

そうですねこのなんかこの二次元平面で

言ったら

なんか

説明がちょっと間違って間違ってるを感じ

てしまうんですが本の説明が

自分もそうなんですよねこのこの

図みたいに曲線で分離絶対してるんだろう

なと思ってそうですよね

1個思ったのは

めちゃくちゃ線引けば多分この直線みたい

になるんだろう

なめちゃめちゃ線を引くその今って2つの

式の重なってる部分2つの不等式で

触ってる部分がこの

青い部分だと思うんですけどもっと

いっぱい線を引いて

だろう

この本に書いてある曲線を直線で再現する

ことはできるっていうできる確かにそう

ですね関数

グラフで

絵を描くとかってあるじゃないですか

それと同じで

書けないものはないと思うんですよね

だから

結果的に再現することは可能だと思います

ありがとうございます

説明します

その辺ちょっと理解浅いので

ありがとうございます

他どうでしょう

じゃあ

高柳くんとかどうですかもしなければ感想

とかでも大丈夫です

質問は特にないんですけど

次回僕なんですけどやるのちょっと上手

すぎてちょっとビビってます

とんでもないですそうですね僕まあ

がっつり文系なんでどこまでその

あの近づくその今回の発表のレベルに

近づけれるかなってのがちょっとビビっ

てるところです逆になんか僕のハードル

上がってません

ありがとうございます

はいありがとうございます

中島さんとかどうでしょう

ちょっと中参加であんまり最初の方と学級

じゃなくてあれなんですけど

発表とか上手くてそれでこの

ゲロゲロゲームらとかいろんな

サイトとかあってすごい嬉しいですすごい

なっていうふうには思いましたありがとう

ございます

ありがとうございますありがとうござい

ます

最後一人

[音楽]

三澤さん三澤さん

お願いしますなんかなければ感想とかにも

大丈夫です発表ありがとうございました

ありがとうございます

そうですねちょっと

ディープ

ラーニングを本当に全く知らないので

ちょっとこれ今日習った内容がどんな形で

ディップラーニングっていう形になって

いくかちょっと楽しみですありがとう

ございましたありがとうございます

ありがとうございます

すいませんはいどうぞ1個は銭湯行けんな

と思ってたんですけどその

orxorの時に

1本の線形だけじゃダメっていうので

こういう風に

領域と領域で挟んでやったと思うんです

けど

よくやる」っていうのよくやるというか

まぁ方法としてあるのが

1回

領域を2つに分けて

一緒ですけどだいたいやってることはもう

1回その

領域を

線で分けるとか

だから2段階ですかね

まあ実質的にこれでやってることは一緒だ

と思うんですけどこの平面上じゃないって

いうイメージですかね

なんか1回目分割した時にはい例えば

あの最初に何本だけやるとするじゃない

ですかしたらまあ3個残るじゃないですか

その領域の中でまた2次元の話になって

くると思うんですけど頭の中のイメージで

は湧かないんですけど1回分割した後に別

の領域が生まれるみたいなイメージであっ

てますかね

まあ大丈夫だと

なんか発言しようかなと思ってちょっと

なんか言おうとしただけなんで

ありがとうございます

ありがとうございます

じゃあ他の方は

良さそうですかね

とりあえず

今日は一生と2勝を

沢田君に発表してもらいましたありがとう

ございましたありがとうございます

ありがとうございますありがとうござい

ますありがとうございますで来週なんです

けれども来週は3章の

ニューラルネットワークですねを高柳さん

に発表してもらいたいなと思いますここ

からまあそうですね本格的に

ディープラーニングの

基礎というかそういった部分が

ちょくちょく見られる感じなので

まあ

この勉強会を初見で受けるとまあ多分一発

で理解するのはまあ難しいかなって思うか

もしれないのである程度本を通してから

この勉強会を見ておくとより理解が深まる

んじゃないかなと思います

ということで来週高柳さんよろしくお願い

します

はいはいお願いします

確認しても大丈夫ですかね今そのこの勉強

会なんですけどアカデミックスと

シグネイトで両方2つの単体で入って

もらってるんですけどこのアーカイブ自体

をシグネイトの方でも公開したいアッシュ

レートの中のスラップで公開したいなと

かって思ってるんですが何かその問題が

あったりする方っていらっしゃいますか

だからもし個別でなんか顔映ってると

みたいな話があったらあの言って

いただければ全然公開しないのでなんか

ある場合は僕の方までDM両方僕

シグネットのSlackにもアカデミスの

Slackもいるのでもし何かあったら

連絡いただけるとありがたいですよろしく

お願いします以上すいません開始します

はいありがとうございます他何か

質問とか確認事項ある方いますか

分かりやすい