深層学習(シンソウガクシュウ)

Name: 深層学習
Rating: 4 (2 reviews)
Author: Ian Goodfellow/Yoshua Bengio/Aaron Courville/岩澤 有祐/鈴木 雅大/中山 浩太郎
ISBN: 9784048930628

著者:: Ian Goodfellow/Yoshua Bengio/Aaron Courville/岩澤　有祐/鈴木　雅大/中山　浩太郎(イアン　グッドフェロー/ヨシュア　ベンジオ/アーロン　カービル/イワサワ　ユウスケ/スズキ　マサヒロ/ナカヤマ　コウタロウ)
出版社:: ドワンゴ
出版日:: 2018年03月07日頃
ISBN:: 9784048930628
在庫:: 在庫あり

★★★★☆4(2 件)

Amazon で見る楽天ブックスで見る

なぜ注目されているか

言及数

117位

総合

210位

↓ 3 ランクダウン34 件の言及

書籍紹介

AI 研究の一分野として注目を集める深層学習 (ディープラーニング) に関する教科書として世界的な評価を受けている解説書。深層学習の理解に必要な数学、ニューラルネットワークの基礎から、 CNN (畳み込みニューラルネットワーク) や RNN (回帰結合型ニューラルネットワーク) などのすでに確立した手法、さらに深層学習の研究まで、深層学習の基礎を理論を含めてしっかり学習したい人に最適な内容になっている。近年の深層学習研究をリードする著名な研究者たちが執筆した入門者必読の書である。
第 1 章はじめに
第 I 部応用数学と機械学習の基礎
第 2 章線形代数
第 3 章確率と情報理論
第 4 章数値計算
第 5 章機械学習の基礎
第 II 部深層ネットワーク:現代的な実践
第 6 章深層順伝播型ネットワーク
第 7 章深層学習のための正則化
第 8 章深層モデルの訓練のための最適化
第 9 章畳み込みネットワーク
第 10 章系列モデリング:回帰結合型ニューラルネットワークと再帰型ネットワーク
第 11 章実用的な方法論
第 12 章アプリケーション
第 III 部深層学習の研究
第 13 章線形因子モデル
第 14 章自己符号化器
第 15 章表現学習
第 16 章深層学習のための構造化確率モデル
第 17 章モンテカルロ法
第 18 章分配関数との対峙
第 19 章近似推論
第 20 章深層生成モデル

技書の森解説

Ian Goodfellow 、 Yoshua Bengio 、 Aaron Courville の 3 名による "Deep Learning" の日本語訳です。深層学習という分野を体系的にまとめた教科書として世界的に参照されており、大学院の講義や研究室の輪読で用いられる定番書の位置づけにあります。原著は MIT Press から 2016 年に刊行され、日本語版は KADOKAWA から出版されています。

構成は 3 部に分かれます。第 1 部は線形代数、確率論、情報理論、数値計算といった数学的基礎。第 2 部はフィードフォワードネットワーク、正則化、最適化、 CNN 、 RNN などの深層学習の中核技術。第 3 部は生成モデル、表現学習、構造化確率モデルなど研究寄りの話題です。数式が主体であり、実装コードはほぼ含まれません。線形代数と確率の基礎がないと第 1 部で止まるため、難易度は高いです。

「手を動かして学ぶ」タイプの本ではなく、深層学習を数理的に理解し、論文を読む力を養うための参考書です。実装から入りたい人は別の入門書を先に済ませ、仕組みの「なぜ」が気になったときに立ち返る使い方が噛み合います。辞書的に該当章を引く読み方でも十分に機能する厚みと網羅性を備えた一冊です。