この章の演習では、銀行の取引を予測するネットワークを引き続き扱います。
入力データが [3, 2]、ターゲット(予測したい値)の実際の値が 5 のとき、ReLU 活性化関数を使う次のネットワークの誤差(予測値 - 実測値)はいくつになりますか? 計算には紙とペンを用意すると便利です。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、Deep Learningで使われる基本概念と用語に慣れ、なぜ今Deep Learningが強力なのかを理解します。簡単なニューラルネットワークを構築し、予測を生成してみましょう。
ニューラルネットワークが出力する予測をどのように最適化するかを学びます。Deep Learningで最も重要な手法のひとつである逆伝播(バックプロパゲーション)を用います。その仕組みを理解することで、コース後半に向けた強固な土台が築けます。
現在の演習
この章では、Kerasライブラリを使って回帰と分類の両方に対応するDeep Learningモデルを構築します。予測に用いるSpecify-Compile-Fitのワークフローを学び、章の終わりには深いニューラルネットワークを構築するために必要な道具がすべてそろいます。
KerasでDeep Learningモデルを最適化する方法を学びます。まずモデルの検証方法を学び、次にモデルキャパシティの概念を理解し、最後に層を広く・深くして性能を比較する実験を行います。