高校数学からはじめるディープラーニング 初歩からわかる人工知能が働くしくみ(コウコウスウガクカラハジメルディープラーニング ショホカラワカルジンコウチノウガハタラクシクミ)
AI・機械学習- 著者:
- 金丸 隆志(カナマル タカシ)
- 出版社:
- 講談社
- 出版日:
- 2020年04月16日頃
- ISBN:
- 9784065194034
- シリーズ:
- ブルーバックス
- 在庫:
- 在庫あり
なぜ注目されているか
書籍紹介
本書は、ディープラーニングを支え、ベースとなっている数学に焦点をあて、どのような仕組みで、どのように効いて、なぜ機能するのかの解説をしていきます。「ブラックボックス」と思われがちなディープラーニングの中身を理解していきます。
高校数学の知識を前提としながらも、必要な数学を復習しつつ、高校で習わない偏微分に関しては基本から必要な部分を解説して、ディープラーニングを支える数学の知識を学んでいきます。
「ディープラーニングという言葉は聞くが、どんなものなのか分からないので理解したい」「ブラックボックスと言われるディープラーニングの仕組みを知りたい」「ディープラーニングを学びたいけれど、数学の勉強のどこから手を付けていいか分からない」といった読者の興味に応える一冊です。
数学を学びながら、それがディープラーニングにどのように効いているのか分かることが重要です。その点を実感として理解することができれば、ディープラーニングの仕組みの本質が理解できたことにつながっていきます。そのためのディープラーニングの主要な概念の解説もしていきます。
技書の森解説
ディープラーニングの解説は、仕組みをブラックボックスのまま比喩で済ませる読み物か、大学数学を前提に式を並べる専門書かに割れがちです。金丸隆志氏が 2020 年 4 月に講談社ブルーバックスとして刊行した本書は、その中間の空白を狙った一冊で、高校数学だけを前提に、ディープラーニングを支える数学がどのような仕組みで、どこに効いて、なぜ機能するのかを追いかけます。
方針が誠実なのは、前提の扱いです。高校数学の範囲は必要に応じて復習を挟み、高校では習わない偏微分については基本から必要な部分だけを解説したうえで本題に進みます。つまり「高校数学から」という書名は、読者を選別する看板ではなく、そこから積み上げるという設計の宣言です。数学を学びながらそれがディープラーニングのどこに効いているかを対応づけていく進め方なので、式変形が目的化せず、主要な概念の理解に結びつきます。
実装コードを動かす本ではないため、 Python の環境構築などは不要です。ライブラリでモデルを動かした経験はあるが中身は説明できないという学習者、文系出身で数学に不安を残したままの実務者、進路としてこの分野を考える高校生・大学生に向いた水準で、新書サイズながら読後には「なぜ学習が進むのか」を自分の言葉と式で説明できる足場が残ります。
この本に興味がある方におすすめ
この本に関連
金丸 隆志 の他の書籍
関連記事
ディープラーニング本の選び方 - 原理 / 理論 / 実装 / 数学の 4 系統で整理 (2026 年 8 月時点)
ディープラーニング本の選び方を 4 系統 (原理を手で理解する本 / 理論を体系的に学ぶ本 / フレームワーク実装本 / 数学を補う本) に整理。2026 年 8 月時点の定番書を目的別 / レベル別に紹介し、賞味期限の見極め方も解説します。
機械学習に必要な数学の本ガイド - 「どこまでやるか」で選ぶ 3 レベル
機械学習 / ディープラーニングに必要な数学を学ぶ本の選び方を 3 レベル (数式アレルギーの解消 → 機械学習で使う数学だけ → 数理を体系的に) で整理。学び直しの範囲を絞り、挫折せずに必要十分な数学を身につけるルートを解説します。
機械学習 / ディープラーニング本ガイド - エンジニアが読むべき AI 技術書の選び方
機械学習の基礎から実践まで学べる技術書の選び方を紹介。「Python ではじめる機械学習」などのハンズオン本を軸に、数学が苦手な人向けの学習ルート、ディープラーニング本への進み方、ML 本の賞味期限の見極め方を解説します。
関連用語
DeepLearning
多層のニューラルネットワークで複雑なパターンを学習する機械学習の一手法
Protocol Buffers
Google が開発した効率的なバイナリシリアライゼーションフォーマットで gRPC の標準データ形式
TensorFlow
Google が開発した深層学習フレームワーク。研究から本番運用まで幅広く対応
gRPC
Google が開発した高性能な RPC フレームワークで、Protocol Buffers を用いた効率的なサービス間通信を実現する
ループ
同じ処理を条件が満たされる間繰り返し実行する制御構造
フィーチャーストア
機械学習の特徴量を一元管理し、学習時と推論時で一貫して提供するためのデータ基盤