深層学習 （機械学習プロフェッショナルシリーズ）

投稿元：

レビューを見る

deeplearningについて知りたくて買った。詳しい理論は論文を読み込まなければわからないと思うが、次への橋渡しにはなった。

投稿元：

レビューを見る

ディープラーニングを始めるなら読んでおくべき本。ただ半分くらい理解不能。それでも読み進めておかないといきなりコーディングには行けないので、最初のハードルであり登竜門といったところか。

投稿元：

レビューを見る

主にディープラーニングなど機械学習についての理論的説明が一通り載っています。要点がコンパクトにまとめられているので数式にある程度慣れている初学者にとっては最適な教材だと思います。大変勉強になりました。

投稿元：

レビューを見る

深層学習（ディープラーニング）を研究していこうと思っている学生だけでなく、実装していく中でどういう仕組みか理解したいという開発者の方にもオススメの本。機械学習プロフェッショナルシリーズの中では最も読みやすく書かれています。

ニューラルネットワークの構築から、CNN、LSTMを含むRNNの構造原理、ボルツマンマシンまで収録されているので、幅広い知識とよくある「学習とは？」といった質問に答える力を身につけることができます。

ただ実装に関してはほぼノータッチなので、あくまでも開発の背景にある考え方と知識を身につけるための本であると認識したほうが良いでしょう。しかし、この本をある程度理解できれば、実装はかなり楽になるはずです。

個人的にはRNNまではとても内容が分かりやすいものの、最後のボルツマンマシンの章だけは理解し難く、人工知能学会監修の『深層学習』をメインに読み進め、復習＆補完がてらに読みました。

投稿元：

レビューを見る

ディープラーニングの理論を分かりやすく解説した本。複数の入力を受け取って1つの出力を返すパーセプトロンに始まり、現在のディープラーニングのブレイクスルーのきっかけになった制限ボルツマンマシンまで概念と理論を学ぶことができます。機械学習の理論をごまかさずに数式で説明しきることがコンセプトですが、数学が苦手でもおおよその概念は把握できるのです。サンプルコードが無料ダウンロードできるので、動かしながら学べるのもよいです。
続きはこちら↓
https://flying-bookjunkie.blogspot.com/2018/11/blog-post_29.html
Amazon↓
https://amzn.to/2KHq6VE

投稿元：

レビューを見る

今話題の　深層学習(ディープラーニング)　についてしりたいと　適当に図書館から本を借りたが〜。

本書は、『機械学習プロフェッショナルシリーズ』とあるように、数式が並ぶ少々専門的な本だった。　ハードルが高い、残念でした。
まだ数冊借りるので、そちらを読みます・・・。　（*^_^*）♪

2017/02/10 　予約　7/1　借りて読み始めたが、難しいので中止。

深層学習 (機械学習プロフェッショナルシリーズ)

内容と著者は

内容　：
多層のニューラルネットワークを用いた機械学習の方法論、深層学習(ディープラーニング)の基本的な事項をカバー。
SGD、自己符号化器、CNN、RNN、ボルツマンマシンなど、盛りだくさんの内容を体系的に解説する。

著者　：　岡谷 貴之
東京大学大学院工学系研究科計数工学専攻博士課程修了。東北大学大学院情報科学研究科教授。

投稿元：

レビューを見る

　最近は人工知能（AI）という言葉が各所で聞かれるようになり、その基盤となる技術である機械学習も注目されるようになってきています。こちらの本では、勾配法や誤差逆伝播法等の機械学習の基礎的な数式についての解説を行なった後、深層学習（Deep Learning）に焦点を当てつつその他の基本的なアルゴリズムについて取り扱っています。具体的には、単純パーセプトロン、NN、RNN、CNN等の基本的なものからディープボルツマンマシン等の深層学習について、各アルゴリズムが数式を交えて解説されており、この分野に触れたことのない方でも読みやすい構成になっています。機械学習を基礎的な部分から勉強してみたい、自分の手で実装してみたい、という方にオススメの一冊です。
（ラーニング・アドバイザー/リスク工学 KINAMI）

▼筑波大学附属図書館の所蔵情報はこちら
https://www.tulips.tsukuba.ac.jp/opac/book/1649231

投稿元：

レビューを見る

非所持。私が読んだ2015年当時、深層学習を学ぶとなるとこの本くらいしか選択肢がなかった。数式については何の問題もなかったと思うが、深層学習の意味、つまり非線形写像でデータを集め、線形に切るイメージをもっとうまく説明してくれればとは今なら思う。活性化関数も、ただ数式を示すだけではなく、高次元空間中での振る舞いやうまくいく理由を日本語と図を使って説明して欲しかった。
LSTMは構造を説明されても、なぜ？となった記憶がある。RBMの章は難しかった記憶がある。

投稿元：

レビューを見る

購入したのは既に7,8年前だろうか。ディープラーニングブームの早い段階で買っていたと思う。
理論が整理されたベーシックな教科書と認識している。既に第2版が発売され、内容は古くなったとの声もあるが、基本的な考え方は十分身に付けられる認識だ。
ページ数も150程なので、いきなり辞書のような大型本に行く前にちょうどよい量と思う。

投稿元：

レビューを見る

内容が古くなっている訳ではないが新しい事が書かれていないし、文量も倍くらい違うのでできれば第2版を読むことをおすすめする。