電子書籍
諦めている人、学びたい人、教えたい人におすすめです。
2019/05/26 09:24
5人中、5人の方がこのレビューが役に立ったと投票しています。
投稿者:風の街の健さん - この投稿者のレビュー一覧を見る
法学部を出て金融関係でシステム開発の業務側を10年くらいやっております。デジタライゼーションがはやり言葉になっている中、なにか読まないといけないと焦りを感じている中で、ご縁があって手に取りました。
結論は、難しいけどよく分かって、楽しかった、ということです。一ヶ月くらい毎日取り憑かれたように読みました。
本書の特徴は他の方のレビューの通りなので、このレビューの読者のカテゴリーを分けて感想を書かせていただきます。
数学を理解することを諦めでいる方へ。あまりこの欄をご覧になる方には少ないかも知れませんが、数少ないそういう方に是非おすすめです。私もこのカテゴリーに入っていますが、この本にでてくる数学は、「こんなこと勉強して何の役に立つんだよ!」という、記憶も鮮やかなあの腹立ちが一切わきません。ああ、こんなに役に立つのか、と思わせてくれます。あの苦痛だった学校の数学の時間とは全然違うのです。数学ってこんなに役に立つんだ、という喜びを感じることが出来ます。正直、この本を読むと人生が変わります。
これからディープラーニングを学びたい人へ。私よりも数学的素養に優れた方々でしょうからこの本の内容をお話しする意味はないと思います。でも、今何を説明しているのか、というマップのついた著書というのは、とても分かりやすいだろうと思います。是非一度手に取って読んでみていただければと思います。
最後に、数学を教えたい方々へ。世の中の罪もない真摯で熱心な学生達に、せめて少しでもよく分かる授業をするにはどうしたら良いか。この本はその観点に関するヒントにあふれています。是非読んでください。
とにかく、どう書けばいいのかということについて適切に非常に多くの努力をされた労作で、名著だと思います。著者が目標とするところまで到達しているかというと、それは100%ではないと思いますが、数学的な内容の教科書を書くための新しいスキルを開拓された本だと思うのです。
紙の本
”本気”で機械学習を学びたい方におすすめしたい
2019/06/14 00:21
4人中、4人の方がこのレビューが役に立ったと投票しています。
投稿者:AIエンジニア - この投稿者のレビュー一覧を見る
機械学習を扱ったものは多く出版されているが、本書の特徴を一言であらわすならば、ひたすらに「数学に正しく丁寧」である。(どの辺りが正しいのかは後述する。)一見すると数学の公式が並び、数学嫌いな方からすると”めまい”がするかも知れないが、機械学習を学ぶにあたって数学は必要不可欠な知識であり、その基礎がおろそかであれば、応用や実務のステップには進めない。しかし、本書は必要最低限の数学の知識と機械学習を道筋を示して教えてくれる。そういった意味で、これから「本気で機械学習を学ぶ、学びたい方」のための入門書としてオススメしたい。(最短コースとは言い得て妙である。)
特筆すべきは、(ネタバレになるが)4章の勾配降下法の解説である。他の書籍などではこの部分を2次元で解説していることがほとんどだが、正しくは「N次元のパラメータ空間の中でどの向きに進むのが最適なのか」ということであり、本書はそれをN次元でちゃんと解説している。それゆえ内容も複雑にはなっているが、正しくかつ丁寧に解説しようとする筆者の思いが感じられる。オススメの一冊です。
投稿元:
レビューを見る
ディープラーニングに関する本だと数学に関して数式が多く出てきて不明になるし
基礎的な所だと少し簡単になるので、その間を提供してくれている本
個人的には7章までは非常にわかりやすいが、それ以降はしっかりと読まないと理解できない
他の本と比較はできないが、個人的には現時点でわかりやすい部類に入る本だと思う
手を動かさないとこの本を読む意味はあまりなくなるのでそこは注意が必要
投稿元:
レビューを見る
ディープラーニングを学ぶ際に最低限必要となる数学だけを学ぶ本。
第1版を読んだからかもしれませんが誤字脱字が多く見られ、入門書(のような立ち位置)でかつ数学という他よりも理解に厳密さが要求される分野で誤字や式がそもそも違うというのは、正直なところ勘弁してほしいところでした。
また、「nが3以上の場合はどうなるかは簡単に想像できるでしょう」といったような「〜は想像に難くないでしょう」というような文章が頻繁に出てくるのが少し気になりました。
確かに想像はできますが、途端に突き放された感がしてしまい、不親切な感覚を覚えました。
しっかり学べれば最短コースでディープラーニングをある程度学べると思うので、良書ではあると思います。
投稿元:
レビューを見る
高校時代に数学でドロップアウトしたCS専攻出身者である自分には難しかった。読み進むにつれて数式を追うのが困難になっていった。
たぶん良い本なのだと思うが、自分には合わなかった。数学から積み上げてディープラーニングを学ぶのではなく、フレームワークや実例で使い方を学ぶことから始めようと思う。
投稿元:
レビューを見る
文系かつ数学から離れて20年の者には難しかった。分からなければ一読で済ませず何度も繰り返すしかない。何度も繰り返し読んで咀嚼すれば、だんだん理解できる予感がする。
投稿元:
レビューを見る
タイトルどおり、ディープラーニングに関する数学の本。わかりやすい良著だと思います。
実践編から急に難しくなる印象。プログラムに慣れてないからか。
メモ
・逆関数の求めかた。元の関数の関係xとyを入れ換えて、y=の形に変換する。
図形的性質はy=xの直線に対して対称な図形となる。
・勾配効果法など重要概念をわかりやすく解説。偏微分、全微分も。商の合成関数微分など初めて知った気がする。
・指数関数、対数関数は正の値しかとらない。
・対数関数は指数関数の逆関数。y=xに対して対称
・対数関数は大きな値も小さな値も対等に扱えるフィルターとしての役割を持つ。
・ジグモイド関数 1÷(1+exp(-x))
常に増加し続ける。値は0から1をとる。0,0.5で点対称
分類型の機械学習モデルでよく用いられる
・softmax関数
・モデルの特徴を表す変数を式に含んでいる確率の色のことを尤度関数と呼ぶ。最尤推定とは尤度関数をパラメーターで微分してちょうどいい微分値がゼロになるときのパラメータの値を求め最も確からしいパラメータの値として推定すること。
最尤推定を行う場合、通常対数が用いられる。微分しやすくするため。
・多値分類。one hot vectorを設定する。
softmax関数で確率値で出力できるようにする。
・
投稿元:
レビューを見る
ゼロから作るシリーズを読む前に超初心者が読むとかなり良いかも
ディープラーニングの数学
プログラミングのための線形代数
プログラミングのための確率統計
機械学習の何かしらの実装本をやると
ゼロから作るシリーズやPRMLを読むための下地ができて良いです。
投稿元:
レビューを見る
前提として
・高校数学をきっちり理解している
・プログラミングがある程度できる
という人でないと結構読み進めるのは難しいかなと思いました。
前半の「理論編」はディープラーニングで必要な最低限の数学知識を紹介しています。丁寧な説明ではあるものの、証明の部分は難しければ、読み飛ばしても良いかもしれません。
後半の「実装編」はプログラミング(Pythonを採用)で、実際に自分の手を動かし、学んだ内容の確認ができます。
「理論編」で蓄えた知識を「実装編」で試して確認するといった構成になっています。
アルゴリズムの手順を簡潔にまとめ、重要な箇所を太字で強調するといった些細な工夫が、非常に理解の助けになりました。全体を通しても、図が豊富で解説がわかりやすく、ディープラーニングの理解が深まる良著です。
投稿元:
レビューを見る
高校までの数学をある程度できる人で
ディープラーニングに使われている
数学の知識を入れたい人におすすめの本
投稿元:
レビューを見る
所在 : 展示架
請求番号 : 007.1||A29
資料ID : 12201366
本学の1年生でも十分理解できる内容です。
選書担当者名 : S
投稿元:
レビューを見る
字面だけ読んでわかった気になってもPythonのコードを見て理解してないことに気付く。何がわからないか悩みながら手を動かして、理論編の参照ページを読み返し、python コードを実際に動かして、腹落ちする時がくる。理解に時間はかかるが、独学には良いだと思います。
おそらく数学がわかる人から見ると説明が正しくないとか雑すぎるというところは多々あるのだろうけど、これ以上細かく書かれても理解出来ないだろうと思う。
一つ欲を言えば数値の具体例があればより理解しやすかったと思う。自分でノートに書き出すまでは頭がモヤモヤしていた。