深層学習―Deep Learning

個数:
電子版価格
¥3,850
  • 電書あり

深層学習―Deep Learning

  • ウェブストアに2冊在庫がございます。(2024年05月28日 01時38分現在)
    通常、ご注文翌日~2日後に出荷されます。
  • 出荷予定日とご注意事項
    ※上記を必ずご確認ください

    【ご注意事項】 ※必ずお読みください
    ◆在庫数は刻々と変動しており、ご注文手続き中に減ることもございます。
    ◆在庫数以上の数量をご注文の場合には、超過した分はお取り寄せとなり日数がかかります。入手できないこともございます。
    ◆事情により出荷が遅れる場合がございます。
    ◆お届け日のご指定は承っておりません。
    ◆「帯」はお付けできない場合がございます。
    ◆画像の表紙や帯等は実物とは異なる場合があります。
    ◆特に表記のない限り特典はありません。
    ◆別冊解答などの付属品はお付けできない場合がございます。
  • ●店舗受取サービス(送料無料)もご利用いただけます。
    ご注文ステップ「お届け先情報設定」にてお受け取り店をご指定ください。尚、受取店舗限定の特典はお付けできません。詳細はこちら
  • サイズ A5判/ページ数 267p/高さ 22cm
  • 商品コード 9784764904873
  • NDC分類 007.1
  • Cコード C3004

出版社内容情報

電気羊の夢を見させるための第一歩!
 深層(多段層)ニューラルネットワークの構築は人工知能を模索する研究者にとっては、長年の課題であり夢でもあり、まさに研究対象でもあった。しかしただ単に多層化するだけでは、能力をうまく発揮することは出来なかった。近年、大きなブレークスルーがあり深層学習の手法を使うことにより、機械が自ら表現を学習出来ることが分かった。しかし、新しい手法でもあり、未解決な課題も多く存在している。
 本書は、この分野の最先端の著者らが、人工知能学会誌に掲載した連載解説を、大幅に加筆再編したものである。今までの到達点、今後の課題が、具体的な研究成果と共に書かれている。深層学習の理論・応用を、自らの研究に取り込むことを考えている読者には、まさに必携必読の書籍である。

内容説明

人工知能研究に急展開!!この20年で最大のブレークスルーが到来。人工知能研究の歴史は古い。なかでも、決定木、ベイジアンネットワーク、サポートベクトルマシン…と、試行錯誤しながらも着実に歩みを進めてきた「機械学習」が、ここに来て一気に飛躍する様相を見せ始めた。深層学習―ディープラーニング(Deep Learning)とは何か?いま何が起きているのか?第一線の研究者たちが徹底解説!

目次

第1部 基礎編(階層型ニューラルネットワークによる深層学習;深層ボルツマンマシン;事前学習とその周辺;大規模深層学習の実現技術)
第2部 応用編(画像認識のための深層学習;音声認識のための深層学習;自然言語処理のための深層学習)

著者等紹介

神嶌敏弘[カミシマトシヒロ]
産業技術総合研究所、主任研究員。データマイニング、機械学習、推薦システム(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。

galoisbaobab

9
「シンギュラリティなんじゃ!」みたいなこと言う人が多いようなので「今の所の実際の所」ってことで読んでみた。理論的に根拠が薄い所で何をやっているのかってことは”わかった”と思う。しかし、NNに関わる数式やアルゴリズムってスッキリと体に入ってこないなー夏休みにもう一度頭を整理しなきゃ。あ、オレ的にシンギュラリティはどうでもいいんです。歴史とかに興味ある人に後付けしてもらえれば良いし。ただ単純に規模が大きくなることで変わることがあるんだなーと純粋に漠然と感じているこの感覚はアナガチ間違ってなさそう、と思った。2016/08/05

Kenny

3
上司から渡された課題図書。一通り、目を通してもさっぱり理解することが出来なかった。セミナーやMATLAB,OpenCVのプログラム例を参考にして、人に説明することが出来るレベルまで、理解度を深めたい。もう少し、簡単な本から学習するようにしたい。 2016/11/12

やすほ

2
【☆★★★★】 ディープラーニングを体系的に学びたいと思い読了。内容が難解で、断片的なため非常にわかりづらかった。初学者には向かないと思う。特に確率的なモデルや自然言語処理の部分は数式の展開さえ追うことができなかった。ある程度、理論に慣れ親しんだ人用なのだろう。実装系の本との難易度のギャップに驚き。2021/09/15

inakoshi

2
章によって(要は担当著者によって)、解説の深さにバラつきがあるが、CNN(5章)やRNN(6章)の学習則あたりは式を導出しながら繰り返し読んだ。AdaGrad、Adamを含むハイパーパラメタ最適化、過学習制御のためのDropOutの理論的な解析(いずれも4章)は再読しておきたい。自己符号化器(1章)、深層ボルツマンマシン(2章)、事前学習(3章)も同様。7章は例外だが、重要なところを絞り込んで詳解している感じ。2017/01/03

Tsukasa Fukunaga

2
昨今話題のDeep Learningについての技術書。似た内容の本として、機械学習プロフェッショナル(MLP)シリーズに同名の本があるが、カバーしている範囲は結構異なる。MLP本の方が初学者向けで基礎から丁寧に解説してあるのに対し、こちらは少々玄人向けで多分ある程度の事前知識がないと厳しい。その代わり、応用事例や実装についての事が豊富に書かれている。深層学習を利用して何か研究をしたい場合には、こちらまで読むとよいと思われる。少しかじっておきたいだけならMLP本がお勧め。2016/02/01

外部のウェブサイトに移動します

よろしければ下記URLをクリックしてください。

https://bookmeter.com/books/9871601
  • ご注意事項

    ご注意
    リンク先のウェブサイトは、株式会社ブックウォーカーの提供する「読書メーター」のページで、紀伊國屋書店のウェブサイトではなく、紀伊國屋書店の管理下にはないものです。
    この告知で掲載しているウェブサイトのアドレスについては、当ページ作成時点のものです。ウェブサイトのアドレスについては廃止や変更されることがあります。
    最新のアドレスについては、お客様ご自身でご確認ください。
    リンク先のウェブサイトについては、「株式会社ブックウォーカー」にご確認ください。