やさしく学ぶ ディープラーニングがわかる数学のきほん(ヤサシク　マナブ　ディープラーニングガ　ワカル　スウガクノ　キホン)

「ディープラーニングをライブラリで実装できるけれど、よく意味が分かっていない」
「ディープラーニングの背景にある数式を理解して、何が行われているか知っておきたい」

本書はそんな人のための本です。
勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、ディープラーニングでどんなふうに入力値から出力値までの計算がされているのか、楽しく学んでいきます。

※本書は『やさしく学ぶ 機械学習を理解するための数学のきほん』の続刊となりますが、前作を読んでいない人でも問題なく読むことができます。

本書では、

・ニューラルネットワークでは何ができるのか
・単層のパーセプトロンではどのような計算が行われているのか
・パーセプトロンではどうやって問題を解いているのか
・パーセプトロンにはどんな欠点があるのか

などの基本的な部分から解説を始めます。
パーセプトロンが理解できたら、続いて多層のニューラルネットワークについて学んでいきます。

・ニューラルネットワークではどうやって問題を解いているのか
・問題を正しく解くためのパラメーターはどうやって学習しているのか

といったことについて、 1 つずつ数式を理解して、時には具体的な数値を当てはめて実際に計算しながら理解していきます。

ニューラルネットワークが理解できたら、いよいよ画像の分類などに向いている「畳み込みニューラルネットワーク」について学習を進めます。

何をやっているのか、図解と数式で確認しつつ学習し、どのようにして「畳み込みニューラルネットワーク」が分類のタスクを行っているのか丁寧に解説します。

そして最後の章では、ここまでの章で学習した数式をもとに、 Python でプログラムを書いていきます。ライブラリとしては NumPy だけを使用し、学習した数式を振り返りながらプログラムを書いていきます。ディープラーニング用のライブラリでは数行で書ける部分ですが、 1 行 1 行理解しながら動かしていくことで、理解を深めることができます。

【各章の概要】

Chapter1 ニューラルネットワークを始めよう

Chapter2 順伝播を学ぼう

Chapter3 逆伝播を学ぼう

Chapter4 畳み込みニューラルネットワークを学ぼう

Chapter5 ニューラルネットワークを実装しよう

Appendix

機械学習の数学を扱った前作に続く「やさしく学ぶ」シリーズの 1 冊として、スマートニュース株式会社の立石賢吾氏が 2019 年にマイナビ出版から刊行しました。前作を読んでいなくても独立して読める構成で、勉強中のプログラマのアヤノと友人のミオ、 2 人の会話を追いながら、ニューラルネットワークの内部で入力から出力までにどんな計算が起きているのかを数式の水準で解きほぐしていきます。

流れは単層パーセプトロンから始まり、それがどう問題を解くのか、どんな限界を抱えるのかを確かめたうえで多層のニューラルネットワークへ進みます。順伝播、逆伝播、そして画像分類を支える畳み込みニューラルネットワークまで、図解と数式を対にして、ときには具体的な数値を代入して手計算で確認する進め方です。最終章では学んだ数式をそのまま Python のコードに落とし込みます。深層学習ライブラリなら数行で済む処理を NumPy だけで 1 行ずつ書いて動かすため、式と実装の対応が曖昧なまま残りません。

Keras や PyTorch で動くものは作れるのに、学習の裏側で何が行われているのかは説明できない。そんなもどかしさを抱えるエンジニアが、ブラックボックスの蓋を自分の手で開けるための本です。会話形式で数式の敷居を下げてあるぶん、本格的な理論書へ挑む前の橋渡しとしても機能します。