ディープラーニングを支える技術 --「正解」を導くメカニズム［技術基礎］

投稿元：

レビューを見る

支える技術とのことでインフラ寄りの話かと思いきや理論の解説でした
『深層学習』青本を読む前に理論に慣れる用の本って
感じでしょうか

投稿元：

レビューを見る

4章の後半くらいから難しかったですが、
・強化学習が教師あり学習とどう違うポジショニングにあるか
・正規化層の役割
・アテンション機構
のあたりは個人的に理解が深まった部分もあり良かったです。使っていく中、問題に出会う中で振り返ると良さそうな本だと思います。

投稿元：

レビューを見る

以前ディープラーニングについて学んだことがあって、資格も持っているのですが、それでも結構難しかった。
最初にいきなり読むのではなく、一通りディープラーニングについて勉強してから読んだ方が理解できると思う。
ディープラーニングに関する基本的な技術が網羅的に説明されているので、教科書になり得る本だと思う。

投稿元：

レビューを見る

ディープラーニングの基本となる考え方から最新の発展まで知ることができる。

【概要】
●機械学習の基本
●ディープラーニングで最近注目されている手法
●ディープラーニングの歴史と現在、今後の展開

【感想】
●本書に書かれているとおり技術解説書であり入門書ではないため、ディープラーニングを知らない人は他書で勉強してから読む必要がある。言い換えると、この本が難しすぎると思う人はしっかり入門書を読んで勉強した方がよい。
●体系的にまとめられているため、検定合格者やディープラーニングを学習したことがある人にとっては非常に理解しやすく、ためになる本だと思う。
●今後も技術進展に伴い、バージョンアップしてもらえるとありがたい。

投稿元：

レビューを見る

※ 出版社さんよりいただきました，また，著者と面識がありますことご承知おきください．

深層学習に関する多くの技術的知見を少ないページ数に凝縮している．非常に多くの情報が取り上げられているが，それぞれは概要の説明になっている．

深層学習についてこれから知りたい人には，全体を俯瞰するための本で，さらに理解を深めたい話題を見つけて，他の資料にたどり付ける．ある程度知っている人には，思い返すときの辞書となると思う．

詰め込んであるので雑多になりやすいが，各章の始めに図で，最後にまとめの章を設けていて，主張したいことが明確にするといった工夫がなされている．

各技術要素について，それがどうしてうまく働くのかの知見についても述べているのは特徴的．例えば，正規化が，表現力や学習のし易さを向上させる効果があり，その理由についても簡潔に取り上げている．

第1章：論理のような明示的な処理と，視覚処理のような暗黙的な知識処理との統合という人工知能実現の難関を最初に示している．人工知能史を紹介してから，深層学習の概念的な説明と応用事例を示している．大規模なデータと計算量については1節をさいてその重要性を力説しているのは，この本のポイントの一つだと思う．

第2章：1990年代までに確立した機械学習の代表的な概念を超圧縮で紹介．この後の章を読むのに必要な用語を，簡単な数式を交えて概念的に説明したもの．

第3章：深層学習以前のニュールネットの説明をやはり超圧縮で紹介．画像を扱うための畳み込みネットや，系列を扱う RNN や LSTM まで一気に進める．活性化関数のところが，だいぶ力を入れて執筆されている．

第4章：深層学習以降に，深層ニュールネットをうまく扱えるように開発されたバッチ正規化，スキップ機構，注意機構の紹介．スキップ機構は個人的にはそれほど重視していなかったが，知らなかった利点があることが分かった．

第5章：画像認識モデルの進展を，各モデルの主なアイデアと共にまとめている．音声認識は基本をまとめた内容．自然言語処理のBERTの成功理由の考察は興味深かった．

投稿元：

レビューを見る

この時期、オープンAIの1日の稼働にかかる費用が70万ドル（1億円）とニュースで賑わっていた。

本書を、読むとそれだけコストがかかるのか理解できました。（全ての作業を、1からを高速で汲み上げている）