または電子書籍
最短コースでわかる ディープラーニングの数学
著者 赤石 雅典
AIのブラックボックスを開けよう！ディープラーニングの本質を理解するために必要な「数学」を「最短コース」で学べます！「ディープラーニング」の動作原理を「本当に」理解できる...
最短コースでわかる ディープラーニングの数学
05/16まで通常3,190円
税込 2,233 円 20ptワンステップ購入とは ワンステップ購入とは
最短コースでわかるディープラーニングの数学
商品説明
AIのブラックボックスを開けよう！
ディープラーニングの本質を理解するために必要な「数学」を
「最短コース」で学べます！
「ディープラーニング」の動作原理を「本当に」理解できる本です。
本書では、ディープラーニングの理解には欠かせない数学を
高校1年生レベルから、やさしく解説します。
（微分、ベクトル、行列、確率など）
最短コースで理解できるように、
解説する数学の分野は必要最低限のものだけに絞り、
その相関関係を★特製の綴込マップ★にまとめました。
また、数学を使ってイチから記述したコードを
Jupyter Notebook形式で提供しますので
実際に動かしながら学ぶことができます。
「ディープラーニング」の動作原理を「本当に」理解できる本です。
目次
- 【導入編】
- 1章 機械学習入門
- 【理論編】
- 2章 微分・積分
- 3章 ベクトル・行列
- 4章 多変数関数の微分
- 5章 指数関数・対数関数
- 6章 確率・統計
あわせて読みたい本
前へ戻る
- 対象はありません
次に進む
この著者・アーティストの他の商品
前へ戻る
- 対象はありません
次に進む
小分け商品
前へ戻る
- 対象はありません
次に進む
この商品の他ラインナップ
前へ戻る
- 対象はありません
次に進む
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。
