機械学習プロフェッショナルシリーズ 深層学習による自然言語処理

坪井 祐太/海野 裕也/鈴木 潤【著】

講談社（2017/05発売）

• サイズ A5判／ページ数 240p／高さ 21cm
• 商品コード 9784061529243
• NDC分類 007.1
• Cコード C3341

出版社内容情報

応用（機械翻訳、文書要約、対話、質問応答）に焦点を当て、深層学習の利用方法を解説。「実装上の工夫」など実践的な内容が充実！◆自然言語処理の応用（機械翻訳、文書要約、対話、質問応答）に焦点を当て、深層学習の利用方法を解説。
◆「実装上の工夫」など、本書でしか読めない実践的な内容が充実！　

■おもな内容
第1章　自然言語処理のアプローチ
第2章　ニューラルネットの基礎
第3章　言語処理における深層学習の基礎
第4章　言語処理特有の深層学習の発展
第5章　応用
第6章　汎化性能を向上させる技術
第7章　実装
第8章　おわりに

■機械学習プロフェッショナルシリーズ
本シリーズでは、発展著しい機械学習技術の数学的な基礎理論、実用的なアルゴリズム、それらの活用法を、全29巻にわたって刊行する。
ビッグデータ時代を牽引している若手・中堅の現役研究者が、入門的な内容から最先端の研究成果までをわかりやすく解説。
これからデータサイエンス分野で研究を始めようとしている大学生・大学院生、および、機械学習技術を基礎科学や産業に応用しようとしている研究者・技術者に向けた注目のシリーズである。

第7期として、以下の3点を刊行!

統計的因果探索　清水 昌平・著
画像認識　　　　原田　達也・著
深層学習による自然言語処理　坪井 祐太/海野 裕也/鈴木 潤・著

■シリーズ編者
杉山 将 理化学研究所 革新知能統合研究センター センター長/東京大学大学院新領域創成科学研究科 教授

第1章　自然言語処理のアプローチ
伝統的な自然言語処理／深層学習への期待／テキストデータの特徴／他分野への広がり
第2章　ニューラルネットの基礎
教師あり学習／順伝播型ニューラルネット／活性化関数／勾配法／誤差逆伝播法／再帰ニューラルネット／ゲート付再帰ニューラルネット／木構造再帰ニューラルネット／畳み込みニューラルネット
第3章　言語処理における深層学習の基礎
準備：記号の世界とベクトルの世界の橋渡し／言語モデル／分散表現／系列変換モデル
第4章　言語処理特有の深層学習の発展
注意機構／記憶ネットワーク／出力層の高速化
第5章　応用
機械翻訳／文書要約／対話／質問応答
第6章　汎化性能を向上させる技術
汎化誤差の分解／推定誤差低減に効く手法／最適化誤差低減に効く手法／超パラメータ選択
第7章　実装
GPUとGPGPU／RNNにおけるミニバッチ化／無作為抽出／メモリ使用量の削減／誤差逆伝播法の実装
第8章　おわりに


坪井 祐太［ツボイ ユウタ］
著・文・その他

海野 裕也［ウンノ ユウヤ］
著・文・その他

鈴木 潤［スズキ ジュン］
著・文・その他

内容説明

「実装上の工夫」など、本書でしか読めない実践的な内容！自然言語処理の応用（機械翻訳、文書要約、対話、質問応答）に焦点を当て、深層学習の利用方法を解説。

目次

第１章　自然言語処理のアプローチ
第２章　ニューラルネットの基礎
第３章　言語処理における深層学習の基礎
第４章　言語処理特有の深層学習の発展
第５章　応用
第６章　汎化性能を向上させる技術
第７章　実装
第８章　おわりに

著者等紹介

坪井祐太［ツボイユウタ］
博士（工学）。２００９年奈良先端科学技術大学院大学情報科学研究科博士後期課程修了。現在、日本ＩＢＭソフトウェア＆システム開発研究所、ソフトウェアエンジニア

海野裕也［ウンノユウヤ］
２００８年東京大学大学院情報理工学系研究科修士課程修了。現在、Ｐｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓ知的情報処理事業部事業部長

鈴木潤［スズキジュン］
博士（工学）。２００５年奈良先端科学技術大学院大学情報科学研究科博士後期課程修了。現在、ＮＴＴコミュニケーション科学基礎研究所主任研究員（特別研究員）（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[kaizen@名古屋de朝活読書会]

#説明歌　翻訳と要約対話応答の応用助ける手法と実装

2017/08/01

[センケイ (線形)]

これも、もっと早く読めばよかったベスト10。やはりイメージだけで分かった気になるのは良くなくって、その分野での試み全体を知るには書籍が良い。コネクショニストの応用はこんなにも幅広いモデルがやられてたんだ。膨大な論文の知識を集約してモチベーションなども書いてあるので、いきなり手を動かす前に読んでおきたい一冊だ。困ったときに使える豆知識も充実していて、実りが多い。

2019/03/30

[こたろう]

昨今の盛んに研究されているDeep LearningによるNLPについての本。論文をベースに理論側から解説してあり、また参考文献も豊富なので、この本をベースに新しい論文をキャッチアップするといいと思う。2017に多く報告されたGANや画像と組み合わせたキャプション系の話はないので注意。

2018/01/25

[Kosmos]

深層学習とは多層ニューラルネットワークの学習であり、自然言語処理における部分問題における部分問題に対して深層学習を適用しその解析性能を向上させる」、「機械学習では、訓練に使用する限られた事例で誤差を小さくするのではなく、母集団での汎化誤差を最小にする。汎化誤差は、モデルの表現力による誤差(近似誤差)、偏った事例を使った誤差(推定誤差)、目的関数を最小化するアルゴリズムによる誤差(最適化誤差)に分解して考える。自由度とパラメータを増やすことで、各誤差を減らして訓練効果を改善していく。

2017/06/07

[Wisdom]

前評判の通り，かなりの良書でした． 言語に限らず系列データを扱うためのモデルであるRNNに関して，日本語の書籍の中では最も分かりやすく書かれていると思います．発展系であるLSTM, seq2seq，attention mechanism, memory networkについても，図や具体例を使って丁寧に解説されています． 「理論もなんとなく分かったし実装してみるぞ！」って人のための記述も豊富で，大変助かります．

2017/06/01