Deep Learning を深層学習する！

私が学生だった頃は、ようやくパソコンを個人が持てるようになりつつあった時代ですが、これからの時代はコンピュータの時代だという事で AI はかなり注目されていたように思います。当時、私の属した研究室（情報系ではない）でも、 Lisp でエキスパートシステムを研究している学生がいました。

その後も AI という言葉は廃れることなく、折に触れて注目されてはいつの間にか耳にしなくなったり、といったことを繰り返してきたように思います。（専門家の方々の見解は違うのかもしれません。）

しかしここ数年の AI の盛り上がりは、将棋や囲碁の世界で AI が人間を凌駕したり、スマートスピーカが普及し始めたりと、実用レベルで様々な成果がでてきており、これは本物だなと感じています。

クラウドの成長で Web サービスの可能性が大きく広がった現在の環境は、AI の研究を進めるにも、その力を存分に発揮するにも絶好のタイミングであるように思えます。 

ところで、先日 JDLA (Japan Deep Learning Association)  の G 検定なる試験が行われた事を知りました。この検定、年２回実施予定とのことですので、次の試験は 12 月頃か？と思います。（違ってるかも、正しい情報は今後発信していきます。）遅ればせながら、ここは一念発起、Deep Learning の勉強を兼ねて挑戦してみようかと思っています。

何事もスタートする時は、（タイトルとは裏腹ですが）とりあえずざっと概要をつかむことから始めるのが吉。なので、O'REILLY の本１冊に沿って手を動かすところからはじめてみます。

Note とブログの使い分けをどうしようかと考えていたところでもありますので、Note の方は、学習状況の進捗とか、学習教材の選定とか、試験の情報とかを中心に書いていこうかと考えています。

今後はプログラミングや開発環境の設定情報などは、ブログ / アルトエリア++ に集約します。 

また、Twitter (https://twitter.com/alt_area) では、プログラミングも学習状況もどちらも発信していきます。

さて、どうなることやら。

【最初の一冊】ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装, 斎藤 康毅著, オライリー・ジャパン