えっちなサイトを作る(10)

引き続きえっちなゲームがプレイできちゃうサイトを作ろうと頑張ります。

書籍での学習開始しました。
演習もきちんとやりながら、成果物につながる知識を得ていきたいです😌

前回からの課題

• 課題：書籍を購入し内容を実践する
  • 課題：書籍の発売時から1年経ってるので完了後に再度技術調査必要
• 課題：ブックマーク整理
• 課題：すぐ完了できそうなGoogleの動画入門見る
• 課題：個人開発をはじめよう本でMVPについてもうちょっと知る

実装技術の知識取得(1)

• 課題：すぐ完了できそうなGoogleのAI入門動画見る
  • DNNの簡単な仕組みと社会実装例等
  • TensorFlowはとっつきやすそう
  • 修了証もらったのでうれしい

https://ledge.ai/google-ai-challenge/

モザイク除去から学ぶ最先端のディープラーニング本をやる(1)

https://qiita.com/koshian2/items/aefbe4b26a7a235b5a5e

基礎知識すらほぼ無いので、序章から丁寧に進めていく。

• 序章
  • 実装済み技術のDeepCreamPyについての紹介
    • 2021年初頭に作者がアカウント削除されてる
    • forkリポジトリを調査し、最終版っぽいのをfork
  • いらすとやアワビのモザイク除去に成功
    • いくつか試す。ちょっと使い方に慣れないとイマイチな感じがある
      • 技術的な限界か、または使い方に問題ありか？
      • 課題：DeepCreamPyの使い方について調査
    • 作りたいシステムに応用できるかちょっと分からない
• 1章
  • 機械学習はT,P,Eという要素が大事だ
    • 迷子になったらこいつを思い出す
  • 古典的手法(最小二乗法)とディープラーニング(DNN)
    • DNNはモデルをスケールできる
    • DNNは目標とする損失関数を色々設定できる
  • Google Colaboratoryを用いた演習(1-0)
    • python基礎
    • pythonを用いた行列計算入門
      • テンソルの数学的部分は置いておいて、とりあえず配列変数として捉える
  • 多層パーセプトロン
    • 回帰問題と分類問題
    • モデルにスケーラビリティをもたせたものが多層パーセプトロン
      • 多層化に意味を持たせているのは活性化関数
      • 特に出力層の活性化関数は特別。出力の値域に応じて選択する。
  • 損失関数
    • 最適化の目標。果てしなく多い。
    • 評価関数は単なる指標
  • 交差検証
    • 未知のデータ（テストデータ）に対する性能を見る必要がある
    • 過学習で性能が悪くなる場合がある
  • Google Colaboratoryを用いた演習(1-1)
    • 途中まで

回帰問題と分類問題小まとめ

やりたいこと	用語	古典的手法	NNでの損失関数
「数値」を予想	回帰問題	最小二乗法	L1Loss , L2Loss
どのクラスに属するか「確率」を予想」	分類問題	ロジスティクス解析	交差エントロピー

終わり

初日から1章すら終わらず！
かなり本の密度が高い…
なんとか振り落とされないようにゆっくりと進めていきたいです。