内容説明
※本商品は固定レイアウトのコンテンツです。文字列のハイライトや検索、辞書の参照引用などの機能はご利用になれません。あらかじめご了承ください。
【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I部 基礎事項と関連する数学
第1章 深層学習と人工知能
第2章 教師あり学習
第3章 勾配法
第4章 確率と情報量
第5章 線形変換
第6章 共分散行列と多次元正規分布
第II部 ニューラルネットワーク
第7章 ニューラルネットワークの基礎
第8章 畳み込みニューラルネットワーク
第9章 再帰型ニューラルネットワーク
第10章 自然言語処理と深層学習
第11章 アテンション
第12章 Transformer と大規模言語モデル
第III部 ハイパーパラメータの最適化
第13章 ハイパーパラメータ探索の基本手法
第14章 ベイズ最適化
第15章 進化計算による最適化
感想・レビュー
※以下の感想・レビューは、株式会社ドワンゴの提供する「読書メーター」によるものです。
smatsu
2
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
Satoshi Murai
0
腹落ちする箇所多数2025/11/27
-
- 電子書籍
- 発熱リビドー【マイクロ】（１６） フラ…
