*2017/8/14 最終課題のサンプルコード(Jupyter Notebook形式)を掲載しました。 *2017/6/2 バックプロパゲーションのレクチャーを追加しました。 *2017/5/17 多層ニューラルネットワークでの出力計算を掲載しました。 ニューラルネットワークを多層化したディープラーニングは、画期的な精度向上を実現し、大変注目を集めています。そして、TensorFlow, Chainer, Caffe 2などさまざまなライブラリが登場して、以前より手軽にディープラーニングを実装できるようになりました。 しかし、こうしたライブラリを使いこなすためにも、ブラックボックス化されている最適化の手法を理解しておくと、学習の精度を向上させるためのパラメーター最適化などに役立ちます。 この講座では、上記のような各種ライブラリを使用せず、NumPyやPandasなど行列計算やデータ入出力ラ
![【NumPy・Python3で】ゼロから作るニューラルネットワーク](https://cdn-ak-scissors.b.st-hatena.com/image/square/14000e11932be39bf26082bc77d8c0fa92f11607/height=288;version=1;width=512/https%3A%2F%2Fimg-c.udemycdn.com%2Fcourse%2F480x270%2F1187046_4774_3.jpg)