学べる動画

技術の仕組み、クラウド実装、学校現場での活用。発信元と学習テーマから探す。

掲載一覧 3 / 5ページ。37〜54件目。

公式情報に基づく紹介。順位・点数評価なし。各項目から確認日・機能・利用条件と出典へ進めます。

PyTorchで小さなニューラルネットを作る｜StatQuest with Josh Starmer：2:15からネットワークを実装し、7:54から出力を描画する。

PyTorchで単語埋め込みを実装する｜StatQuest with Josh Starmer：2:48から学習データの符号化、6:55から埋め込みを実装する。

PyTorchとLightningで学習を実行する｜StatQuest with Josh Starmer：2:34から学習済みネットワークを記述し、7:52から学習処理を実装。

ReLUの働きと微分｜StatQuest with Josh Starmer：1:45から隠れ層、5:35から出力直前のReLUを扱う。

RLHF：人の評価を用いたモデル調整｜StatQuest with Josh Starmer：2:25から事前学習、5:06から教師あり微調整、7:35からRLHFを説明。

RNNと勾配消失・勾配爆発｜StatQuest with Josh Starmer：4:13からRNNの構成、5:59から系列データを流す過程を説明。

ROC曲線とAUCの読み方｜StatQuest with Josh Starmer：4:03から閾値別の混同行列、7:12からROC曲線を説明。

SoftMaxの微分を順に計算する｜StatQuest with Josh Starmer：0:57から対象の出力に関するSoftMaxの微分を計算。

Transformerと単語の埋め込み｜3Blue1Brown／Grant Sanderson：LLMに使われるTransformerの全体構造と埋め込みを可視化する。

Transformerの構成を順に理解する｜StatQuest with Josh Starmer：1:26から埋め込み、7:30から位置符号化、12:53からSelf-Attentionを説明。

Transformer内部の行列計算｜StatQuest with Josh Starmer：1:43から埋め込み、4:28からSelf-Attentionを行列で計算。

What is Retrieval-Augmented Generation (RAG)?｜IBM／Marina Danilevsky：検索で取り出した情報を生成AIに渡すRAGの考え方を解説する動画。

コサイン類似度を図と式で理解する｜StatQuest with Josh Starmer：1:46から2つの文章の類似度を可視化する。

ニューラルネットで使うテンソル｜StatQuest with Josh Starmer：1:34からテンソルが必要になる場面、4:52からデータの格納を説明。

ニューラルネットと強化学習の基本｜StatQuest with Josh Starmer：4:01から逆伝播を復習し、7:04から仮の出力を用いて微分を計算。

ニューラルネットのための行列入門｜StatQuest with Josh Starmer：7:34から行列積、15:18から転置、18:51からネットワークの行列表現を説明。

ニューラルネットワークの基本｜StatQuest with Josh Starmer：3:37からネットワークの構成を説明。

ニューラルネットワークを図で理解する｜3Blue1Brown／Grant Sanderson：手書き数字の認識を題材に、ニューラルネットの構造を可視化する。

関連ページ