第5章 · 高度なモデリングと深層学習·v2.0.0·更新 2026/6/3·読了目安 約12分
変更要約: MLS-C01 第5章を深掘り（出力層と損失の対応/Adam/学習診断・CNN/RNN/Transformer内部とタスク対応/二乗計算量・転移学習3段階/Ground Truth/分散学習/混合精度＋比較表・シナリオ・FAQ・ひっかけ、図ja化）
5.1ニューラルネットワークの基礎
この節の要点
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。
ニューラルネットワークは層に並んだニューロンで構成され、活性化関数で非線形性を加え、誤差逆伝播で重みを学習します。
5.1.1構造と学習
- 活性化関数：ReLU（隠れ層の定番）、sigmoid（2 値）、softmax（多クラスの確率出力）。
- 誤差逆伝播＋勾配降下：損失を計算し、勾配を逆伝播して重みを更新する。
- 学習率/エポック/バッチ：学習率が大きすぎると発散、小さすぎると遅い。エポックは全データ反復回数。
- 勾配消失：層が深いと勾配が消えやすい。ReLU やバッチ正規化で緩和する。
試験ポイント
「多クラス分類の出力層＝softmax」「2 値分類＝sigmoid」「隠れ層の活性化＝ReLU（勾配消失に強い）」「学習率が大きすぎる＝発散/損失が振動」 は MLS-C01 で頻出です。損失が減らない/振動するときはまず学習率を疑います。