作品一覧 2023/04/13更新 Excelでわかる機械学習 超入門 ―AIのモデルとアルゴリズムがわかる 試し読み フォロー Excelでわかるディープラーニング超入門 試し読み フォロー Excelでわかるディープラーニング超入門 【RNN・DQN編】 試し読み フォロー おとなの楽習 試し読み フォロー 機械学習がわかる統計学入門 試し読み フォロー 高校数学でわかるディープラーニングのしくみ 試し読み フォロー 雑学科学読本 文房具のスゴい技術 試し読み フォロー 雑学科学読本 身のまわりのすごい技術大百科 試し読み フォロー 雑学科学読本 身のまわりのすごい「しくみ」大百科 試し読み フォロー 雑学科学読本 身のまわりのモノの技術 試し読み フォロー 史上最強図解 これならわかる!ベイズ統計学 試し読み フォロー 図解 使える統計学 値引きあり 試し読み フォロー 図解・ベイズ統計「超」入門 試し読み フォロー [図解]身近な科学 信じられない本当の話 試し読み フォロー ディープラーニングがわかる数学入門 試し読み フォロー Python演習で初歩から学ぶ 実習統計学入門 試し読み フォロー 一目でわかるイメージ式! 高校数学・公式図鑑 試し読み フォロー ビジュアル 高校数学大全 試し読み フォロー 「物理・化学」の法則・原理・公式がまとめてわかる事典 試し読み フォロー 文系のための統計学の教室 試し読み フォロー まずはこの一冊から 意味がわかる統計解析 試し読み フォロー 身につく ベイズ統計学 試し読み フォロー 1~22件目 / 22件<<<1・・・・・・・・・>>> 涌井貞美の作品をすべて見る
ユーザーレビュー 雑学科学読本 身のまわりのすごい「しくみ」大百科 涌井良幸 / 涌井貞美 身近なもののサイエンス的な仕組みについて、見開き2ページで解説している本。 学校で学ぶレベルのものも混ざって入るが、知らなかったものも多くあり、読んでいて楽しかった。 特に、1つのカテゴリに限定されず、テクノロジー・バイオ・地理など横断的に紹介されていて、普段接していない分野の仕組み・工夫について知...続きを読むれるのは嬉しい。 Posted by ブクログ 文系のための統計学の教室 涌井良幸 / 涌井貞美 統計学の基本的な考え方を身につけることができる。 【概要】 ●統計学の基本(グラフ、代表値、分散、標準偏差) ●確率(統計的確率、数学的確率、正規分布、母集団分布、標本分布) ●統計的推定 ●統計的検定(母平均の検定、母比率の検定) ●相関分析 ●回帰分析 ●ベイズ統計学 【感想】 ●統計学の基...続きを読む礎について、数学をできる限り使わずに理解しやすく説明されている。 ●ただし誤植と思われる箇所がいくつかある。 ●母平均と母比率の検定について理解しやすかった。一方で、ベイズ統計学は理解しにくかった。 Posted by ブクログ Excelでわかるディープラーニング超入門 涌井良幸 / 涌井貞美 タイトルのとおり、Excelを用いてディープラーニングについて学ぼうという書籍。 なんとなくの知識は持っていたが、実際に自分でプログラムとかしたことのない自分のような読者が少し手を動かして、動作原理を実感するのにはちょうど良い内容であると思う。 例題として、○×の判断と、1,2の判断について紙面が割...続きを読むかれている。 前者は隠れ層が1層、後者は2層用いて畳み込みニューラルネットワークを構築しており、後者をExcelで作りこむのは少々面倒なので、作業までは行わなかったが、まず前者の○×の判定だけでも、おお!っという感動は味わえた。 ソルバー機能を使ったことが無いと設定など少し戸惑うかもしれない。 ニューラルネットワークをイメージとしてつかむにはちょうど良い書籍だと思う。 Posted by ブクログ Excelでわかるディープラーニング超入門 涌井良幸 / 涌井貞美 畳み込みニューラルネットワークの仕組みを Excelを使って表現・説明してくれている本。 手段だけでなく、何故その仕組みが生まれたのか? といった経緯についても触れてくれていたおかげで、 CNNについての理解がすごく深まりました。 行列についても改めて理解出来たのは良かった。 私は良書だと思います...続きを読む。 【勉強になったこと】 ・大きさを固定した2つのベクトルが似ているとき、 その内積は大きくなる。 ・最小二乗法とは、平方誤差を最小にすること。 ・ステップ関数は、動物の神経細胞に忠実なモデル。 ただ滑らかでないがゆえに、微分法が活用出来ない。 代わりに活用するのがシグモイド関数。 ・隠れ層は特徴を抽出する役割を担う。 ・ニューラルネットワークでは、入力パラメータが 増えれば増えるほど隠れ層と入力層との紐づけが 増えてしまって計算が出来なくなる。 ・畳み込みニューラルネットワーク(CNN)は、 入力データを5X5等のグループに小分けにし、 一度に隠れ層と紐づける数を減らすことで、 処理が出来るようにしたもの。 小分けにしたデータで全体をスライドして読み込み、 特徴を算出する必要が出てくるため、隠れ層も 結果は表形式で表現されることとなる。 この表形式の出力結果を畳み込み層と呼ぶ。 ざっくり言うと、1人ずつと向き合うのではなく、 中間管理職を置いて聞いていくスタイル。 ・畳み込み層を更に分割し、分割したエリアの 特徴を最大・平均等の手段で表現したものを まとめた結果をプーリング層と呼ぶ。 これにより、更に次元数を落とすことが出来る。 =処理が速くなる。 ・プーリング法のいろいろ 最大プーリング:対象領域の最大値を採用 平均プーリング:対象領域の平均値を採用 L2プーリング:対象領域の平方和の平均値を採用 ・シグモイド関数と同様、ステップ関数に似てて、 微分計算が簡単になる関数としてランプ関数がある。 このランプ関数を活性化関数とするニューロンを ReLU(Rectified Linear Unit)と呼ぶ。 なお、ランプ(ramp)=傾斜路という意味。 ・シグモイド関数とランプ関数では、 適合度がほぼ同じになるので、 計算の速いReLUを利用することは効果的といえる。 ただし、1以上の値も取り得るランプ関数を採用して いる関係から、0 or 1のステップ関数から離れている =実在の神経細胞モデルから離れてしまった分、 結果に対する解釈が難しくなってしまっている。 Posted by ブクログ 文系のための統計学の教室 涌井良幸 / 涌井貞美 専門的に習ってきてない身にとっては、良書だと思う。 継続的に学んできたことが、やっと腑に落ちてきた感じ。 Posted by ブクログ 涌井貞美のレビューをもっと見る