【Coursera】「Machine Learning(機械学習) Week 4」〜ニューラルネットワークの概要を学びたい〜
前回（Machine Learning(機械学習) Week 3）は、教師あり学習の分類問題のアルゴリズムとして、ロジスティック回帰を学びました。
今回は、ロジスティック回帰の弱点への対策として、ニューラルネットワークについて学びます。
＜過去の記事＞
【Coursera】「Machine Learning(機械学習) Week 1」〜機械学習の種類を学びたい〜 - 継続力
【Coursera】「Machine Learning(機械学習) Week 2」〜複雑なケースでの回帰分析を学びたい〜 - 継続力
【Coursera】「Machine Learning(機械学習) Week 3」〜分類の具体的なアルゴリズムを学びたい〜 - 継続力
講師
アンドリュー・エン（Andrew Ng）氏です。
人工知能研究の第一人者であり、Google Brainの共同設立者、 Baiduの元副社長兼チーフサイエンティスト、スタンフォード大学の教授という凄い経歴の持ち主です。
講義の概要
「Week 4」では、以下の内容が、約5時間程度で学べます。
- ニューラルネットワークの概念とアルゴリズム
- ニューラルネットワークの実例
講義の内訳
講義の内訳は以下の通りです。
＜ニューラルネットワークの概念とアルゴリズム＞
■Non-linear Hypotheses
- 複雑な非線形仮定関数を解く際に、ロジスティック回帰の説明変数を増やす方法では対応しきれないため、ニューラルネットワークが必要になると説明。
■Neurons and the Brain
- ニューラルネットワークの歴史を説明。
■Model Representation I
- ニューロンの構造を模擬したニューラルネットワークのモデルを説明。
- このモデルでは、ロジスティック関数（シグモイド関数）を使う。
■Model Representation II
- ニューラルネットワークのシグモイド関数をベクトル形式で計算する方法を説明。
＜ニューラルネットワークの実例＞
■Examples and Intuitions I
- 入力に応じて1、0を返すような簡単な論理演算を行うケースに、ニューラルネットワークを適用する方法を説明。
■Examples and Intuitions II
- XNORの論理演算をニューラルネットワークで行う方法を説明。
- 手書き文字の判別にニューラルネットワークを適用した例を紹介。
■Multiclass Classification
- ニューラルネットワークで、歩行者・車等の複数のカテゴリーに分類する方法を説明。
どういう人におすすめか
「ニューラルネットワークという言葉は聞いたことあるけど、何のためにあるの？」といった疑問に答えてくれる良い授業だと思います。
「Andrew Ng」氏の説明はとても分かりやすいため、是非動画を見てみてください。
