自己紹介
このブログでは、ディープラーニングについて、自ら学んだ内容や業務を通じて得た知識を発信していきます。
私はもともと物理学を専門としており、大学院卒業後、日本にて医療機器メーカーで開発に携わっていました。ちょうどその頃、E ラーニング大手の Coursera で機械学習とディープラーニングを学び、その後、本を読んだり、会社の GPU を活用しながら学習を進めました。この時に学んだ知識が役に立つことになり、現在ではディープラーニングを使った研究開発に従事しています。
現在はディープラーニングの基礎的な内容が中心ですが、少しずつ、実践的な技術を解説する実践者編やAIの活用についても投稿しています。将来的には、医療画像（CT・MRI）の原理やについても投稿予定です。
略歴
- 2013年 京都大学 理学部 卒業
- 2015年 東京大学 理学系研究科 物理学専攻 修士課程 修了
- 2018年 東京大学 理学系研究科 物理学専攻 博士課程 修了
- 2018年 GEヘルスケアジャパン・CT開発
SNS
私の研究・開発経験の詳細は LinkedIn でご覧いただけます。
記事の最新情報は X（旧Twitter） でも発信しています。
このサイトで学べること
このサイトでは、ディープラーニングの基礎から応用、実践までを体系的に学べるように整理しています。興味のあるカテゴリからご覧ください。
以下、一部抜粋して紹介します。
ディープラーニング入門編ー理論基礎（概念の理解）
ディープラーニングを学ぶ前に、AI・機械学習・ディープラーニングの違いを理解し、基本的な理論を固めることが重要です。
ディープラーニング入門編ー理論基礎（最適化の理解）
ディープラーニングの学習プロセスを理解するには、損失関数、勾配降下法、逆誤差伝搬法の概念が重要です。
ディープラーニング入門編ー実践理論基礎
実際の学習プロセスを理解するために、過学習、バリデーション、ミニバッチ学習などの概念を解説します。
ディープラーニング入門編ー実践基礎
実際の学習プロセスを理解するために、まずは過学習、バリデーション、ミニバッチ学習などの概念を解説します。その後に簡単な実装を Google Colabで体験し、PyTorch での学習・推論の実装を理解できます。
- 実装の概要 【実践基礎１〜３】
- 簡単な体験・実装【実践基礎４、５】
- PyTorchによる実装【実践基礎６〜１０】