内容説明
深層学習・機械学習を一歩深く学びたいと思ったものの，やっぱり難しそう．そんな悩みに応える読み切りサイズの入門書．生命科学の研究者が執筆するから，数学・統計・情報学の知識がなくてもサクサク読める！ AIのだいじなことがスルスルわかる！ 生命科学・医学研究への応用がミルミル見えてくる！
目次
【目次】
序
第1部 深層学習の基礎
1-1 超基本用語の整理
人工知能と機械学習と深層学習
モデル
線形と非線形
[雑談] 世界モデル
1-2 人工ニューロン
人工ニューロン
パーセプトロン
活性化関数
[雑談] ウォルター・ピッツ
1-3 学習
ニューラルネットワークの基本構造と学習
入力と出力
3種類の学習
損失関数と目的関数
誤差逆伝播法
局所解
過学習
転移学習
構造
[雑談] 脳と深層学習の速度
1-4 畳み込みニューラルネットワーク
歴史
層
全結合層
畳み込み層
プーリング層
[雑談] スケールと性能
1-5 リカレントニューラルネットワーク
ホップフィールドネットワーク
リカレントニューラルネットワークとゲート機構
エコーステートネットワーク
[雑談] 恐竜と哺乳類
1-6 画像生成AI
AutoEncoder
VAE
拡散モデル
[雑談] 視座
1-7 トランスフォーマー
ALL You Need Is Attention
トークン
埋め込み
自己注意機構
多頭注意
残差接続と正規化層
全結合層
そしてついに会話ができる
[雑談] 人工知能の倫理
1-8 深層強化学習
強化学習
行動選択ポリシー
マルコフ決定過程
Q学習
深層強化学習（DQN）
[雑談] 基盤AIとロボット
1-9 機械学習
機械学習の特徴
分類のための機械学習
次元圧縮（PCA）
次元圧縮（t-SNE）
次元圧縮（UMAP）
[雑談] Neuronist
第2部 深層学習と生命科学
2-1 第2部のはじめに
2-2 顕微鏡画像
Cellpose
2-3 遺伝子解析
Geneformer
2-4 タンパク質科学
AlphaFold2
2-5 医療
DenseNet
モデルの強化
2-6 神経科学
解析ツールとして
脳のモデルとして
2-7 行動科学
DeepLabCut
2-8 心理学
筆者の研究
2-9 ALife
ニューラルセル・オートマトン
2-10 第2部のおわりに
LLMと人工知能の未来
巻末付録
付録1 深層学習を体験する
付録2 おすすめの入門書3選
あとがき
索引
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。
keitakenny
ゼロ投資大学
