出版社内容情報
本書は「導入編」「理論編」「実践編」「発展編」の4ステップに分け、ディープラーニングのアルゴリズムの理解に必要な数学の基礎知識を学んでから、ディープラーニングのアルゴリズムの理解を目指せる構成としています。
まずは本書の概要を「導入編」で紹介し、続く「理論編」で高校1年レベルからの数学の基礎知識を解説します。これを土台として「実践編」でディープラーニングの動作原理を紐解きます。実際にPythonのサンプルプログラムを動かしながら理解できるようにしました。最後の「発展編」では、「実践編」で紹介し切れなかったディープラーニングの各種手法をまとめました。
「実践編」や「発展編」で紹介しているPythonのサンプルプログラムは、Notebook形式で用意しています。Google Colabを利用することで、プログラミングの知識がなくても、すぐに動かすことができます。Notebook形式なので、誌面で解説している通りにステップを刻みながら動かすことができます。これにより、ディープラーニングの動作原理を体感しながら理解することができます。
今回は「増補改訂版」として、主に「実践編」と「発展編」を大幅に加筆・修正しました。サンプロプログラムも理解しやすいように見直しています。また、「理論編」では各章の最後に「演習問題」を新たに追加しました。これは、読者からの「理解度をチェックしたい」という要望に応えたものです。
【目次】
【導入編】
1章 機械学習入門
【理論編】
2章 微分・積分
3章 ベクトル・行列
4章 多変数関数の微分
5章 指数関数・対数関数
6章 確率・統計
【実践編】
7章 線形回帰モデル（回帰）
8章 ロジスティック回帰モデル（2値分類）
9章 ロジスティック回帰モデル（多値分類）
10章 ディープラーニングモデル
【発展編】
11章 実用的なディープラーニングを目指して
内容説明
実習コードの全面刷新！ＰｙＴｏｒｃｈとの連携強化。Ｇｏｏｇｌｅ Ｃｏｌａｂで即実行可。Ｔｒａｎｓｆｏｒｍｅｒの紹介。ＧＰＵ利用で処理時間短縮。本書は、２０１９年４月に発行した初版を見直し、数学演習問題やＰｙＴｏｒｃｈ実習コードを追加した増補改訂版となっています。
目次
導入編（機械学習入門）
理論編（微分・積分；ベクトル・行列；多変数関数の微分；指数関数・対数関数；確立・統計）
実践編（線形回帰モデル（回帰）
ロジスティック回帰モデル（２値分類）
ロジスティック回帰モデル（多値分類）
ディープラーニングモデル）
発展編（実用的なディープラーニングを目指して）
付録
著者等紹介
赤石雅典［アカイシマサノリ］
アクセンチュア株式会社ビジネスコンサルティング本部ＡＩグループシニア・マネージャー。１９８５年、東京大学工学部計数工学科卒業。１９８７年、同大学院修士課程修了後、日本ＩＢＭ株式会社に入社。Ｗａｔｓｏｎの技術セールスなどを経験後、アクセンチュア株式会社に入社。現在はＡＩ・データサイエンス系のプロジェクトの技術リードやクライアントのＡＩ人材育成支援などを担当。京都情報大学院大学客員教授（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。
