内容説明
※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
AIのブラックボックスを開けよう！
ディープラーニングの本質を理解するために必要な「数学」を
「最短コース」で学べます！
「ディープラーニング」の動作原理を「本当に」理解できる本です。
本書では、ディープラーニングの理解には欠かせない数学を
高校1年生レベルから、やさしく解説します。
（微分、ベクトル、行列、確率など）
最短コースで理解できるように、
解説する数学の分野は必要最低限のものだけに絞り、
その相関関係を★特製の綴込マップ★にまとめました。
また、数学を使ってイチから記述したコードを
Jupyter Notebook形式で提供しますので
実際に動かしながら学ぶことができます。
「ディープラーニング」の動作原理を「本当に」理解できる本です。
目次
【導入編】
1章 機械学習入門
【理論編】
2章 微分・積分
3章 ベクトル・行列
4章 多変数関数の微分
5章 指数関数・対数関数
6章 確率・統計
【実践編】
7章 線形回帰モデル（回帰）
8章 ロジスティック回帰モデル（2値分類）
9章 ロジスティック回帰モデル（多値分類）
10章 ディープラーニングモデル
【発展編】
11章 実用的なディープラーニングを目指して
★巻頭綴じ込み★最短コースマップ
・数学5分野の概念間の関係
・ディープラーニングにいたる機械学習4モデルと数学の重要概念との関係
が目で見てわかる！
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。
nbhd
13
ディープラーニングって、なんか超頭よさげなことをしてそうなイメージだったけど、どうやらその本質は「関数の微分にある」と言っても間違いではなさそうだ。要は、y=3x**2（2乗）を微分すると、y'=6xのようなことをしている。だけど、ハンパないのは、そんな微分を数万数億の単位で実行していることだ。きっと、地球上でコンピュータが行っている１日ぶんの微分計算をすべて足したら、兆単位、もっとそれ以上の単位になるかもしれない。それくらい微分はそこらへんにあふれているんだね。2024/01/17
まろにしも
12
Coursera,kaggle,Udemyなど、機械学習、ディープラーニングを独学する環境は本当に充実している。この本も素晴らしかった。Pythonは人工知能に関するライブラリが充実しているので、これを活用することで比較的簡単に機械学習を実装できてしまう。が、逆に言うと、アルゴリズムがブラックボックス化されていて、理屈がよく分からない。この本は、ライブラリに頼ることなく、機械学習のアルゴリズムを数式で紐解いてくれている。この本を読んで、統計学をもう一度、じっくり勉強したくなってきた。2019/10/27
jjm
8
「損失関数＝残差平方和（予測値と正解データの差の平方）」、勾配降下法「損失関数を最小とするような最適なモデルのパラメータを見つけるためのアルゴリズム」「機械学習における繰り返し計算の本質は損失関数の微分」「ディープラーニングはロジスティック回帰の応用（非回帰モデル、分類モデル））」勾配降下法の目的からすると、導関数=0から最適パラメータを求めればいいのではないかと思ってしまうが、計算機にはそれが容易ではないので、微分という引き算と割り算という汎用性のある仕組み（と繰り返し）が編み出された。なるほど。2022/09/25
ハム太郎
5
ディープラーニングに至るまでの機械学習の方法はいろいろあるが, 一貫して基本的方針が; 「予測関数の作成」→「評価関数の作成」→「勾配降下法による最適なパラメータ値探索」というアイディア. 予測したいもの次第で予測関数が違ってくるだけ. 丁寧に書いてあるが, 肝心のディープラーニングの予測関数作成の際に, 隠れ層を入れる意味・哲学が説明されてなく, ネット検索しなければならなかったところだけ不満.2019/08/22
悟
4
まさに最短コースという内容。なぜ行列？なぜ微分？など恥ずかしくて聞けない疑問に答えてくれた。ただし、コードの掲載はそこまで多くなく、本書を片手に実装。というわけにはいかないと思う。この本を足がかりにより詳細な内容が書かれている本に進むのがいいと思う。2019/11/04
