出版社内容情報
本書は大変好評を得た『Excelでわかるディープラーニング超入門』の続編です。前編では取り上げなかったRNN（リカレントニューラルネットワーク）、DQN（Deep Q-Learning）を解説します。これらはいずれもAI応用の入り口となります。RNNは自然言語処理の分野で最も注目されるアルゴリズムです。また、DQNは強化学習の手法で目覚ましい精度を挙げています。本書では、これらを万人のツールであるExcelを用いて、難しい数学やプログラミングの知識抜きに、動かしながら、目で見てしくみを理解することができます。前作同様、本書がAI学習のハードルを一気に下げてくれます。
内容説明
進化発展するディープラーニング。その代表がＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ／再帰型ニューラルネットワーク）とＤＱＮ（Ｄｅｅｐ Ｑ‐Ｎｅｔｗｏｒｋ／深層Ｑネットワーク）です。ＲＮＮは自然言語処理の分野で最も注目されるアルゴリズムです。またＤＱＮは強化学習の手法で目覚ましい精度を挙げています。これらはいずれもＡＩ応用の入り口となります。本書は、これらを万人のツールであるＥｘｃｅｌを用いて、難しい数学やプログラミングの知識抜きに、動かしながら、目で見てしくみを理解できる画期的な入門書です。難解といわれるＲＮＮとＤＱＮの「最適化」などの難しい計算部分をＥｘｃｅｌにまかせ、その動作原理をわかりやすく知ることができます。本書がＡＩ学習のハードルを一気に下げてくれます。
目次
１章 ＲＮＮ、ＤＱＮへの準備（はじめてのＲＮＮ、ＤＱＮ；利用するＥｘｃｅｌ関数は１０個あまり；最適化の計算を不要にしてくれるＥｘｃｅｌソルバー；データ分析には最適化が不可欠）
２章 Ｅｘｃｅｌでわかるニューラルネットワーク（出発点となるニューロンモデル；神経細胞をモデル化した人工ニューロン；ニューラルネットワークの考え方；ニューラルネットワークを式で表現；Ｅｘｃｅｌでわかるニューラルネットワーク；普遍性定理）
３章 ＥｘｃｅｌでわかるＲＮＮ（ＲＮＮの考え方；リカレントニューラルネットワークを式で表現；Ｅｘｃｅｌでわかるリカレントニューラルネットワーク）
４章 ＥｘｃｅｌでわかるＱ学習（Ｑ学習の考え方；Ｑ学習を式で表現；ＥｘｃｅｌでわかるＱ学習）
５章 ＥｘｃｅｌでわかるＤＱＮ（ＤＱＮの考え方；ＥｘｃｅｌでわかるＤＱＮ）
付録
著者等紹介
涌井良幸［ワクイヨシユキ］
１９５０年、東京都生まれ。東京教育大学（現・筑波大学）数学科を卒業後、千葉県立高等学校の教職に就く。教職退職後はライターとして著作活動に専念
涌井貞美［ワクイサダミ］
１９５２年、東京生まれ。東京大学理学系研究科修士課程修了後、富士通、神奈川県立高等学校教員を経て、サイエンスライターとして独立（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。
y_u
