深層学習 改訂第 2 版(シンソウガクシュウカイテイダイニハン)

◆ベストセラーの改訂版。最高最強のバイブルが大幅にパワーアップ!!◆

・トランスフォーマー、グラフニューラルネットワーク、生成モデルなどをはじめ、各手法を大幅に加筆。
・深層学習のさまざまな課題と、その対策についても詳しく解説。

[本書まえがきより抜粋]
ないもの (＝理論) ねだりをしても仕方がありません.それでも皆が研究を進めるのは,そうすることに意義があるからです.なぜうまく働くのか,なぜそうすべきか,数学的な証明はなくても,正しい説明は必ずあるはずです.それを手にできれば,目の前の課題を解決するのに,また次に進むべき道を知るうえで役に立つでしょう.
そこで本書では,それぞれの方法について,今の時点で最も納得できる説明をきちんと与えることにこだわりました.名前の通った方法であっても,理屈が成り立たない,あるいは役に立たない方法や考え方については,はっきりそう書きました.著者の主観といわれても仕方がない場合もあるかもしれませんが,そのほうが有益であると信じています.
また,現在の深層学習の広がりを把握できるように,定番となった問題・方法に加えて,重要だと思われる問題については,必ずしもそれほど有名でない方法も含めてなるべく網羅するようにしました.その取捨選択には,深層学習が実践的技術であることを踏まえ,実用性を最も重視しました.そこには,この間に著者が企業の実務家たちと行ってきた共同研究での経験が反映されています.

[主な内容]
第 1 章 はじめに
第 2 章 ネットワークの基本構造
第 3 章 確率的勾配降下法
第 4 章 誤差逆伝播法
第 5 章 畳み込みニューラルネットワーク
第 6 章 系列データのためのネットワーク
第 7 章 集合・グラフのためのネットワークと注意機構
第 8 章 推論の信頼性
第 9 章 説明と可視化
第 10 章 いろいろな学習方法
第 11 章 データが少ない場合の学習
第 12 章 生成モデル

フレームワークの API を叩くだけではなく、深層学習の理論をきちんと数式で理解したいと考えたとき、その要求に正面から応えてくれる日本語の書籍は多くありません。岡谷貴之による本書は、講談社の機械学習プロフェッショナルシリーズの一冊として、順伝播型ネットワーク、畳み込みニューラルネットワーク (CNN) 、再帰型ネットワーク (RNN) 、生成モデル、注意機構などを、線形代数と確率論の言葉で厳密に記述します。

改訂第 2 版では初版刊行以降に発展した構造 (Transformer など) が加筆されており、深層学習の主要アーキテクチャを数理的に通覧できます。ただし前提として線形代数・微積分・確率統計の基礎が求められるため、大学の学部上級から大学院レベルの数学力が読みこなしの目安です。入門書で直感を掴んだあと、「なぜこの構造がうまくいくのか」を論理的に追いたくなったときに開く本であり、表面的な理解と本質的な理解を分ける境界線に位置する一冊です。