ゼロから作るＤｅｅｐ Ｌｅａｒｎｉｎｇ―Ｐｙｔｈｏｎで学ぶディープラーニングの理論と実装

斎藤 康毅【著】

オライリー・ジャパン（2016/09発売）

• サイズ A5判／ページ数 298p／高さ 22cm
• 商品コード 9784873117584
• NDC分類 007.1
• Cコード C3055

出版社内容情報

ディープラーニングの本格的な入門書。外部のライブラリに頼らずPython 3によってゼロからディープラーニングを作成できる。実際にシステムを作りながらディープラーニングを学ぶ！
ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか？ なぜ層を深くすると認識精度がよくなるのか？ といった“Why”に関する問題も取り上げます。

斎藤 康毅［サイトウ コウキ］

内容説明

作って学ぶ。手で覚える。ディープラーニングを理解するための最善の方法は、ディープラーニングをゼロから実装することです。

目次

１章　Ｐｙｔｈｏｎ入門
２章　パーセプトロン
３章　ニューラルネットワーク
４章　ニューラルネットワークの学習
５章　誤差逆伝播法
６章　学習に関するテクニック
７章　畳み込みニューラルネットワーク
８章　ディープラーニング
付録Ａ　Ｓｏｆｔｍａｘ‐ｗｉｔｈ‐Ｌｏｓｓレイヤの計算グラフ

著者等紹介

斎藤康毅［サイトウコウキ］
１９８４年長崎県対馬生まれ。東京工業大学工学部卒、東京大学大学院学際情報学府修士課程修了。現在、企業にて、コンピュータビジョンや機械学習に関する研究開発に従事（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。

[kaizen@名古屋de朝活読書会]

#感想歌 画像処理Python使い操ろうDeep Learningシステム構築 勉強会3月はじめ毎月開催した 「ゼロから作るDeep Learning」読書会に参加する前に読んで置くとよい資料とプログラム https://qiita.com/kaizen_nagoya/items/537b1810265bbbc70e73 「人生で影響を受けた本100冊」の１冊。https://qiita.com/kaizen_nagoya/items/16af53acbb147a94172e

2017/02/28

[読特]

AIプログラミングは初心者。G検定は取得している。Pythonの知識はあるつもりだが、本格的なプログラミングはやったことはない。ざっと一読。「丁寧な説明」「わかり易い！」であるはず。が、一回だけでは十分に理解できたとはいい難い。Affine、Softmax-with-Loss。Momentum,AdaGradにAdam。Convolution、Pooling,im2colにAlexNet・・。もっと学習を進める必要性を感じた。コードは動かさなければ実感ももてない。次は、コードを実装しながら理解を深めよう。

2021/05/30

[ぶう]

ディープラーニングのフレームワークを使わず、Pythonにてフルスクラッチで組み上げることにより、確率的勾配降下法や、誤差逆伝播法などの重要な仕組みを理解することができるといった内容。コードも多く掲載されており、迷う事なく進められるだろう。全結合とCNNまでは本書の範囲内でRNNは続編に含まれているとのこと。E資格を受ける人や、DLの仕組みを根本から理解したい人には必須の書籍だが、逆に手軽にDLを試してみたい人などはKerasやPytorchなどのFWを使用しての解説本を参考にしたほうがいいだろう。

2021/05/06

[Thinking_sketch_book]

★★★★★　サンプルプログラムを読めるようになった初心者はこれを読んでほしい。内部でやっていることが分かり、非常に面白いです

2018/06/17

[まろにしも]

①ニューラルネットワークの構造が人間の脳の神経回路を基礎（ヒント）にしている点が興味深い。②入力データと教師データを与え、両者の差異が極小化するように、パラメータをひたすら更新し続けるという機械学習。機械学習を複数ネットワークに分散させておこなわせ、ネットワーク層が深くなるにつれて難易度が上げて学習させるというDeepLearning。③層をDeepにしたり、過学習を回避しすることによって、学習効率を高める発想や技術が人間の学習法（７回転反復読書）を連想させ、面白い。

2019/03/23