練好深度學習的基本功｜用Python進行基礎數學理論的實作

Chapter 1｜開始接觸類神經網路
類神經網路是什麼東西？先來比較跟其他機器學習演算法的差異，再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。

Chapter 2｜學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算，舉判別圖像尺寸為例，學習從輸入值到輸出值依序計算的「正向傳播」。

Chapter 3｜學習反向傳播
說明在類神經網路上，如何求得適當的權重與偏差。使用微分更新權重與偏差，盡可能減少「誤差」，但正攻法的計算相當麻煩，因此我們會採用簡化計算的「誤差反向傳播法」。

Chapter 4｜學習卷積類神經網路
學會類神經網路的基本原理後，接著學習使用卷積類神經網路處理圖像，舉出卷積類神經網路的特有機制、運算，並說明權重、偏差的更新方法。

Chapter 5｜實作類神經網路
根據前面章節學到的類神經網路計算方法， 使用Python編寫程式。以Chapter 2、3 出現的基本類神經網路，實作圖像的尺寸判定；以Chapter 4出現的卷積類神經網路實作手寫文字辨識。

Appendix
收錄Chapter 1 ∼ 5未能詳細解說的數學知識、Python程式設計的環境設置、Python與NumPy的簡易說明。

Chapter 1｜開始接觸類神經網路
類神經網路是什麼東西？先來比較跟其他機器學習演算法的差異，再以圖片、簡單的數學式解說類神經網路的結構與能夠做到哪些事情。

Chapter 2｜學習正向傳播
解說構成感知器類神經網路的單純演算法是如何進行運算，舉判別圖像尺寸為例，學習從輸入值到輸出值依序計算的「正向傳播」。

Chapter 3｜學習反向傳播
說明在類神經網路上，如何求得適當的權重與偏差。使用微分更新權重與偏差，盡可能減少「誤差」，但正攻法的計算相當麻煩，因此我們會採用簡化計算的「誤差反向傳播法」。

Chapter 4｜學...