詳説ディープラーニング（生成モデル編）

※こちらの書籍はKindleに移行しました。こちらよりご購入ください。すでに購入された方で、ご質問等ある場合はHPよりお問い合わせください。

拙著「詳解ディープラーニング」のスピンアウトとして、生成モデルの理論および実装について解説した電子書籍（PDF）になります。

※ サンプルはこちらからご覧ください。

内容[ver. 1.3.1]
(A5) 74ページ
生成モデルの基本、変分オートエンコ

#2 【アーカイブ】 ディープラーニング講義資料 2020年3月版

2020年3月に行ったディープラーニング集中講座（８時間）の資料をアップしています。

※ 購入をすると、教材のリンクが表示されます。
※ 法人での利用を検討している方は別途お問い合わせください。

シラバス：
・単純パーセプトロンの理論・実装
・ロジスティック回帰の理論・実装
・ニューラルネットワークの理論・実装
・ディープニューラルネットワークの理論・実装
・畳み込みニューラルネットワークの理

【AWS】 大量の Lambda を同時に実行する

サーバーレスのアーキテクチャを構築する際、ちょっとした関数を定義するのに重宝するのが AWS の Lambda でしょう。また、この Lambda は、少しの工夫だけで、大量の並列処理にも利用することができます。今回は、この「大量のLambdaを同時に実行する」方法について、コードを混じえつつ書いていきたいと思います。

アプリケーションの開発をしていると、大量のAPIを同時に叩きたいというケース

FastAPI ディレクトリ設計

最近、アプリケーションを開発する際のバックエンドはもっぱら FastAPI を使っています。Python ベースの、軽量で高速なフレームワークです。

実装を繰り返す中で行き着いた、個人的に開発を進めやすいディレクトリ構成をまとめました。
※ただし、個別のファイルの中身に関しては言及するとボリュームが増えてしまうので、本記事では触れません。あくまでも全体感のみをお伝えする内容になります。

まず、

#3 【Generative Art】 iPhone X Wallpapers (Pink Theme)

#2 【Generative Art】 iPhone X Wallpapers (Green Theme)

#1 【Generative Art】 iPhone X Wallpapers (Blue Theme)

#2 【非日常の数学】 なぜ怪人は単独で活動するのか？

ヒーローものの映画や番組を観てみると、毎度新しい怪人が街で暴れ、ヒーローと戦い、最後はヒーローにやられるという展開がおなじみです。でも、もし怪人どうしが協力すれば、やられずに済むかもしれません。少なくとも１人の時よりは街を破壊することはできるはずです。では、なぜ怪人は協力し合わずに単独行動をするのでしょうか？この疑問に答えるべく、怪人の行動をモデル化してみました。

※ いわゆるギャグ的な内容です

#3 【頭の体操】 乱数 ✕ 確率： ３つの一様乱数の大小の確率

前回は２つの一様乱数の大小の確率を求めてみましたが、今回は３つを対象にしてみましょう。

※ 本文は全て読めますが、「投銭」として最後に購入ボタンを設定していますので、気に入っていただけましたら応援宜しくお願いします。

それでは、今回の問題はこちらです。

【問題】

答えは 0.5 (50%) になります。この答えはなんとなくイメージはできるかと思いますが、きちんと式計算で考えてみましょう。

#2 【頭の体操】 乱数 ✕ 確率： ２つの一様乱数の大小の確率

アルゴリズムを実装する際によくお世話になる乱数。今回はこの乱数を用いて、頭の体操として確率計算をしてみましょう。

※ 本文は全て読めますが、「投銭」として最後に購入ボタンを設定していますので、気に入っていただけましたら応援宜しくお願いします。

それでは、以下の問を考えてみてください。

【問題】

答えは、0.3 (30%) になります。直観的にイメージできたでしょうか？

解析解が求められな

#1 【頭の体操】 機械学習 ✕ 数学： Accuracy と Recall から F-measure を求める

機械学習 ✕ 数学 の頭の体操として、下記の問題を考えてみましょう。
確率の問題として考えてみてください。

【問題】ある２クラス分類のタスクを機械学習で取り組んだとする。モデルの学習後、テストデータを用いて評価をしたところ、正解率 (Accuracy) が 81.0%、再現率 (Recall) が 90.0% という結果が得られた。このとき、 F値 (F-measure) も評価していたとすると

#1 【非日常の数学】 ゾンビはどれくらいのペースで増えていくのか？

日常の中の非日常を、数式で表してみるとどうなるかを考えてみました。今回はゾンビの数についての数式です。

※ いわゆるギャグ的な内容ですので、ゆる〜くお楽しみください。
※ note内では数式を画像化して表示しているため、大きさにバラツキがあり見にくいと感じることがあるかもしれません。
※ 本内容をPDFでキレイにまとめたものを本文の最後にリンク掲載していますので、そちらもぜひ御覧ください。
※

詳説ディープラーニング（生成モデル編） 付録２： 変分オートエンコーダ TensorFlow 2.X 実装

詳説ディープラーニング（生成モデル編）の付録２として、今回は変分オートエンコーダ (VAE) をTensorFlow 2.X で実装していきたいと思います。データローダに関しては、前回の付録１に記述したものと同じものを用いますので、今回は割愛します。

モデルまずは用いるライブラリから。こちらはオートエンコーダの時と同じです。

import osimport numpy as npimport

#1 【アーカイブ】 ディープラーニング講義資料 2017年12月版

2017年末に行ったディープラーニング集中講座（８時間）の資料をアップしています。

※ 購入をすると、教材のリンクが表示されます。
※ 法人での利用を検討している方は別途お問い合わせください。

シラバス：
・数学・Pythonの復習
・ニューラルネットワークの理論・実装
・ディープニューラルネットワークの理論・実装
・畳み込みニューラルネットワークの理論・実装
・リカレントニューラルネットワー

詳説ディープラーニング（生成モデル編） 付録１： オートエンコーダ TensorFlow 2.X 実装

詳説ディープラーニング（生成モデル編）が好評でしたので、付録としてTensorFlow 2.X による実装を紹介していきたいと思います（本文では PyTorch 1.X）。今回は、本文でも紹介したシンプルなオートエンコーダを実装していきます。

データローダ本文では PyTorch で用意されているデータローダをそのまま使いましたが、TensorFlow では自前で用意する必要があります。そこで、