句読点修正

ch02/lecture.md

@@ -5,6 +5,9 @@ paginate: true
 math: mathjax
 ---
 
+<div id="ch02"></div>
+
+
 <!-- _class: lead -->
 
 # **機械学習講習会**
@@ -203,7 +206,7 @@ $$
 
 いいたかったこと
 
-✅ **このレベルの単純な形の関数でも, 解をよく知っている形で書き表すことは難しい**
+✅ **このレベルの単純な形の関数でも解をよく知っている形で書き表すことは難しい**
 
 ---
 
@@ -239,7 +242,7 @@ $$
 数学の答案で最小値 1 になるところを 1.001と答えたら当然 🙅
 
 
-### 一方, <span class="lined">「誤差 1」 が 「誤差1.001」 になってもほとんど変わらない</span>
+### 一方 <span class="lined">「誤差 1」 が 「誤差1.001」 になってもほとんど変わらない</span>
 
 ---
 
@@ -327,7 +330,7 @@ $$
 
 <div style="text-align: center;">
 
-  $f'(x)$ は, $x$ における接線の傾き
+  $f'(x)$ は $x$ における接線の傾き
 
 
 </div>
@@ -350,7 +353,7 @@ $$
 
 
   $-f'(x)$ **方向に関数を
-  すこし動かすと,関数の値はすこし小さくなる**
+  すこし動かすと関数の値はすこし小さくなる**
 
 
   </div>
@@ -430,7 +433,7 @@ $f(2.8) = 7.84 <8.41$
 ## 勾配降下法
 
 
-関数 $f(x)$ と,初期値 $x_0$ が与えられたとき,
+関数 $f(x)$ と初期値 $x_0$ が与えられたとき,
 次の式で $\{x_k\}$ を更新するアルゴリズム
 
 $$
@@ -524,8 +527,8 @@ $$
 
 $f(x) = x^2$
 
-初期値として,$x_0 = 3$ 
-学習率として,$\eta = 0.1$ を設定.(この二つは自分で決める！)
+初期値として $x_0 = 3$ 
+学習率として $\eta = 0.1$ を設定.(この二つは自分で決める！)
 
 $x_1 = x_0 - \eta f'(x_0) = 3 - 0.1 \times 6 = 2.4$
 $x_2 = x_1 - \eta f'(x_1) = 2.4 - 0.1 \times 4.8 = 1.92$
@@ -592,7 +595,7 @@ $x_{1000} =  0.35173371125366865$
 from math import exp
 
 x = 3
-# （注意: $\eta$ は, 学習率 (learning rate) の略である lr としています.）
+# （注意: $\eta$ は 学習率 (learning rate) の略である lr としています.）
 lr = 0.0005
 
 # 最小化したい関数
@@ -716,7 +719,7 @@ $$
 
 <div class="cite">
 
-勾配ベクトルとは,各変数の偏微分係数を並べたものです. 例えば,$f(x, y) = x^2 + y^2$ の $(x, y)$ における勾配ベクトルは $(2x, 2y)$ です.
+勾配ベクトルは各変数の偏微分係数を並べたものです. 例えば $f(x, y) = x^2 + y^2$ の $(x, y)$ における勾配ベクトルは $(2x, 2y)$ です.
 これを$\nabla f(x, y) = (2x, 2y)$ とかきます. 一年生はちょうど微分積分学第一でやるころかと思うので大きくは扱いませんでしたが, 一変数の場合できちんと理解できていれば大丈夫です.
 
 </div>