内容説明
※この商品は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、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
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！
人工知能を学ぼうと思ったが、数学の知識がなくて書籍を読むことも困難だという感想を多く耳にします。そこでこの本では、数学の知識を、ディープラーニングに必要なものに特化して解説します。
数学の内容を中心に解説を行うだけでなく、それぞれの数学的項目について、豊富な図や数式と共に、Pythonでの実装を含めたソースコード事例を加えます。
●こんな人に向けた本です
1）数学の知識がなく、ソースコードから数式を理解したい人。
2）ディープラーニングを通して、数学を再学習したい人。
3）図と数式、ソースコード、実行結果から、多面的に理解したい人。
●こんな内容の本です
1）エンジニアのための、ディープラーニングで使う数学を学ぶ本です。
2）数式とソースコードの対比により、数学の知識がないプログラマーでも、
処理の流れで数式の仕組みを理解することができます。
3）ディープラーニングの専門書を読む基礎スキルが身に付きます。
4）ディープラーニングのシステムを開発する基礎スキルが身に付きます。
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
