内容説明
数式をコーディングした実例多数で、身につく、よくわかる！Ｐｙｔｈｏｎ対応。
目次
１ ディープラーニングを学ぶ前に―機械学習とニューラルネットワークの概要
２ 根拠に基づいて決める―数列と統計、確率
３ 複数の入出力をまとめて処理する―ベクトルと行列
４ 最適な値に収束させる―関数と微分
５ 学習して答えを導き出す―予測と最適化
６ ニューラルネットワークからディープラーニングへ―精度の向上と画像などへの応用
７ 強化学習への活用―少しずつ賢くなるコンピュータ
著者等紹介
増井敏克［マスイトシカツ］
増井技術士事務所代表。技術士（情報工学部門）。情報処理技術者試験にも多数合格。ビジネス数学検定１級。学生のころはファジィ理論や遺伝的アルゴリズムの研究に従事（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
4
再読。2018年出版の本なので生成AIについて言及はないが、RNNについての説明はある(6.3項)。今回はDLについて理解をさらっておくため7章の強化学習については割愛。DLがいかにして線形変換と活性化関数の組み合わせによって関数の近似を行うのかという所を重点的に読み直す。オートエンコーダーと情報圧縮によって勾配消失や過学習の問題を解決した点と、DLによる学習とは結局ベクトル空間における数理最適化であり、その結果として入力値を特徴空間へと変換するモデルのパラメータを決める過程であることを理解した（と思う）2025/01/04
smatsu
4
類書の涌井本よりはこちらの方が全体に文章が読みやすいし、内容的にも広く扱っていて、 統計・確率、線形代数、微分、誤差逆伝播と損失関数、CNN、RNN、BPTT、LSTM、モンテカルロ法、動的計画法、強化学習、GANまで駆け足ではあるが説明されている。 涌井本ではExcelだけを使っていたが本書ではPythonを使っているのも実践的で良し。 Excelだってチューリング完全なんだからプログラミング言語だというご意見もあろうが、やはり今や機械学習やるならPythonが共通言語である。2023/02/02
たく
2
あくまでも数学が中心の本なので、大学である程度数学を学んでいる人には少し物足りない印象。しかし、ディープラーニングの手法をざっくりと理解する分には充分な事は書かれている。知識としてディープラーニングを知っておきたい人にはもってこいかも知れない。2020/07/31
まいこさま
1
一通りPythonのコーディングとディープラーニングの仕組みを数学的な観点から学べる。 最後の方は、ある程度数学の知識がないと理解が難しい。 2019/05/05
christinayan01
0
キャラとか図解の作風が可愛い感じだったのでこの本をチョイス。がっつり数学です、言語はPython。 基本は数学の教科書の如く理論を学び、最後に式をPythonで実装するとこうなります。という流れ。 大学数学レベルが必須だが、例問や補足の説明が非常に上手いので易しく感じる点がgood。2020/03/05
