文系経理の機械学習の素人です
「ゼロから作るDeep Learning」（オライリー 斎藤康毅著）に文系経理の私が取り組みました。
エンジニアでもなく、理系でもなく、業務で数学（微分・線形代数・確率・統計などなど）に一切触れることなく過ごしてきました。「興味」と「もしかしたら業務に活用？」というモチベーションでゆるく取り組んだことをメモしています。（後でどんどん追加・修正する予定です）
勘違い・間違いも多いはずですが温かい目でご笑覧ください。
専門の方は「素人ががんばっとるのう」という気持ちでお願いします。
こういった専門外（私は経理が本職）のスキルを学ぶのは楽しいですね。裏表紙にある内容紹介に「ディープラーニングの原理を楽しく学びます」とありますが、確かに楽しいです。
2020.8.11
「ゼロから作るDeep Learning」始めました。本業じゃないので、やる気次第だけど最後までたどり着けるかどうか。
3章 ニューラルネットワーク
2020.8.20
①ステップ関数
②シグモイド関数
③ReLU関数
つくってみた。①②は歴史の勉強だな。しかし分かり易い。
2020.9.3
第3章ニューラルネットワーク終了
なんとか全部理解できた。P69ソフトマックス関数のオーバーフロー対策で変形された数式に一瞬凍ったが、よく読めば文系経理にもなんとかついていけた。
このペースだといつ終わるのか？
4章 ニューラルネットワークの学習
2020.9.26
理系の人には笑われるかもだが、『偏微分すると勾配』が結構謎だった😅（文系にも笑われる？）
学校でやる『解析的』な微分から理解しようとするとピンとこなかったが、Pythonでやる『数値微分p.104』で目から鱗がポロポロ落ちた！
こんなレベルだが、経理でも機械学習だね！みたいにしたい。
2020.9.28
4章終わり
「Python初めてでもわかる・できる」を掲げているため、初めての人向けの説明（initなど）を入れているが、さすがにPython何も知らずに読んだらついていけないのでは？設定に無理がある。
Pythonと偏微分は多少の知識がないと厳しいと思う🙄
2021.2.15
だいぶ間が開いてしまった。でもあきらめない。どうもピンとこないので、最初から再度チャレンジ。勾配降下法を次のように理解した。
「損失関数を、それぞれの変数の偏微分（傾き）をゼロに近づけることで、なるべく小さくしていく方法」あってるかな？🙄
4.4 勾配
2021.2.20
金曜の夜は夜更かし、飲み過ぎで、今日は寝坊。
コーヒーを飲みながら何かじっくり考えよう。
ということで、「ゼロから作るDeep Learning」4章「ニューラルネットワークの学習」の数字の動きを頭の中でイメージしてみた。
うまく数字がつながらない。エンジニアの人たちは本当に凄い😅
なんとか数字がつながったのでまとめてみた。
