チュートリアル

1. ニューラルネットワークとは
   1. ニューロンに飛び込む
   2. ニューラルネットワークはどのように任意の関数をシミュレートしますか
   3. なぜニューラルネットワークが必要なのですか
2. ニューラルネットワークの構築方法
   1. 完全に接続されたニューラルネットワーク
   2. グラフィカルツールを使用してニューラルネットワークを設計する
   3. 出力層の「活性化関数」
3. ニューラルネットワークをトレーニングする方法
   1. 学習アルゴリズムと原理
   2. ニューラルネットワークをゼロから構築してトレーニングする
   3. PyTorchを使用してコードを書き直します
   4. グラフィカルツールを使用してニューラルネットワークをトレーニングする
4. ニューラルネットワークのいくつかの重要な問題
   1. ネットワーク構造
   2. 過剰適合
   3. アンダーフィッティング
   4. 過剰適合と過適合
   5. 初期化
   6. 勾配消失と爆発勾配
5. 畳み込みニューラルネットワーク（CNN）
   1. 1D畳み込み
   2. 1D畳み込み実験
   3. 1D-pooling
   4. 1D-CNN実験
   5. 2D-CNN
   6. 2D-CNN実験
6. リカレントニューラルネットワーク（RNN）
   1. バニラRNN
   2. Seq2seq, Autoencoder, Encoder-Decoder
   3. 高度なRNN
   4. RNN分類実験
7. 自然言語処理
   1. Embedding: 記号を値に変換する
   2. テキスト分類1
   3. テキスト分類2
   4. TextCNN
   5. エンティティの認識
   6. 単語のセグメンテーション、品詞のタグ付け、チャンク
   7. 実行中のシーケンスタグ付け
   8. 双方向RNN
   9. BI-LSTM-CRF
   10. 注意
8. 言語モデル
   1. n-gramモデル: 単語
   2. n-gramモデル: 2-gram
   3. n-gramモデル: 3-gram
   4. RNN言語モデル
   5. Transformer言語モデル
9. 線形代数
   1. ベクター
   2. マトリックス
   3. 行列の乗算に飛び込む
   4. テンソル