5高度なモデリングと深層学習

• 5.1ニューラルネットワークの基礎

  深層学習の土台——層とニューロン、活性化関数（ReLU/sigmoid/softmax）、誤差逆伝播、学習率/エポック/バッチ、勾配消失——を理解します。

• 5.2深層学習アーキテクチャ

  データに合う構造——CNN（画像）、RNN/LSTM（系列）、Transformer（言語）、用途別の選択——を理解します。データの性質でアーキテクチャを選びます。

• 5.3転移学習と深層学習の調整

  少データで賢く——転移学習/ファインチューニング、SageMaker JumpStart、ドロップアウト/バッチ正規化、データ拡張、early stopping——を理解します。