出版社内容情報
「読んでいて本当に心地がいい」と大好評の前著からの第２弾！
｢深層学習とベイズ統計の融合｣がすべて詰まった ｢欲張り｣本！
基礎からはじめ、深層生成モデルやガウス過程とのつながりまでをていねいに解説した。本邦初の成書！
本書のサポートページ：
https://github.com/sammy-suyama/BayesianDeepLearningBook
【主な内容】
第1章 はじめに
第2章 ニューラルネットワークの基礎
第3章 ベイズ推論の基礎
第4章 近似ベイズ推論
第5章 ニューラルネットワークのベイズ推論
第6章 深層生成モデル
第7章 深層学習とガウス過程
内容説明
「深層学習とベイズ統計の融合」がすべて詰まった「欲張り」本！基礎からはじめ、深層生成モデルやガウス過程とのつながりまでをていねいに解説。
目次
第１章 はじめに
第２章 ニューラルネットワークの基礎
第３章 ベイズ推論の基礎
第４章 近似ベイズ推論
第５章 ニューラルネットワークのベイズ推論
第６章 深層生成モデル
第７章 深層学習とガウス過程
付録
著者等紹介
須山敦志［スヤマアツシ］
２００９年東京工業大学工学部情報工学科卒業。２０１１年東京大学大学院情報工学系研究科博士前期課程修了。国内メーカーの研究職、ＵＫのベンチャー企業の研究職を経て、現在はデータ解析に関するコンサルティングに従事。ブログ「作って遊ぶ機械学習。」にて実践的な機械学習技術に関する情報を発信中（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。
vinlandmbit
47
難しいですが、ベイズ深層学習について非常に詳しく掲載されています。定期的に読み返しながら理解を深めていきます。2020/03/15
shin_ash
4
NNをベイズ推論で解説し、多層化の話とガウス過程の話を並行して進めて、ガウス過程の多層化につなげて行く。ベイズ推論は線形モデルのベイズ化から入って、カーネル関数で非線形化しガウス過程につなげると共に、潜在変数化してユニットを経由して多層化につなげる。また潜在変数化は最終的に教師なし学習にもつながっていく。識別モデルの覇者であるDNNは性能が高くても、構造に興味がある者にとっては"使えない"手法である。しかしそれを重層的に理論をつなげて、この様に生成的に捉える事で"使える"可能性が広がって行く。素晴らしい。2019/10/13
ONE_shoT_
2
深層学習とベイズ統計の融合分野について解説した一冊。ベイズ推論における近似推論手法を、ニューラルネットワークの学習・予測に適用する方法や、深層生成モデルのベイズ的な取り扱い方、ガウス過程と深層学習の関連などについて書かれている。難易度が高く、数式を追い切れていない部分もあるが、「ドロップアウトやバッチ正規化が、パラメータの事後分布を近似推論する変分推論手法の一種と見做せる」など、なるほどと思った。もろもろ理解度が上がってから再読したい。2020/04/29
ひさし
1
解説は面白い。でも数式は難しくて、どう実装に活かすのか分かるだけの知識がない。。2023/09/08
