図解深層学習―数理で理解する基本原理

小池 敦【著】

近代科学社（2023/12発売）

• サイズ A5判／ページ数 296p／高さ 21cm
• 商品コード 9784764906754
• NDC分類 007.1
• Cコード C3004

出版社内容情報

【豊富な図と数式のコンビで、深層学習の基本原理が直感的に理解できる！】

　本書では「深層学習に使用する数学」について、意味を直感的に理解できるように図を多用することで式を補完する。第I部では深層学習についての基礎事項と次の部で使用する数学について、第II部ではニューラルネットワーク（深層学習）の中身について、第III部では深層学習の自動チューニングについてそれぞれ詳述。深層学習の実践・応用へステップアップするための基礎がじっくりと学べる、第一歩に相応しい一冊。

目次

第１部　基礎事項と関連する数学（深層学習と人工知能；教師あり学習；勾配法　ほか）
第２部　ニューラルネットワーク（ニューラルネットワークの基礎；畳み込みニューラルネットワーク；再帰型ニューラルネットワーク　ほか）
第３部　ハイパーパラメータの最適化（ハイパーパラメータ探索の基本手法；ベイズ最適化；進化計算による最適化）

著者等紹介

小池敦［コイケアツシ］
２００３年に東北大学大学院情報科学研究科博士課程前期２年の課程を修了後、日立製作所コンシューマエレクトロニクス研究所、ナビタイムジャパンにて携帯電話やカーナビの研究開発に従事。２０１５年に総合研究大学院大学にて博士（情報学）を取得。その後は東北大学大学院情報科学研究科助教、一関工業高専専門学校准教授などを経て、東北大学大学院情報科学研究科実践的情報教育推進室特任准教授（研究）として、深層学習を含む機械学習・データサイエンス、組合せ最適化、組み込みシステム等の教育研究に従事している（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。

[smatsu]

DL解説本の中でも良書だと思う。三部構成で第1部は基礎事項と関連数学。勾配降下、条件付き確率、交差エントロピー、ヤコビ行列、アフィン結合と凸結合、固有値、多次元正規分布、マハラノビス距離…難しい話もあり。2部はまずNNの基礎から過学習と正則化。転移学習、CNN、RNN、埋込ベクトル、アテンション、Transformer。3部は発展編みたいな感じでハイパーパラメータの最適化。交差エントロピーとか結構ガチで説明されていて痺れるものがある。NNの説明でヤコビ行列とかがっつり出てくる本は他にあまりないのでは…

2025/08/17