大関真之の作品一覧
「大関真之」の「画像処理の統計モデリング 確率的グラフィカルモデルとスパースモデリングからのアプローチ」「機械学習入門 ボルツマン機械学習から深層学習まで」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
作品一覧
-
-※この電子書籍は固定レイアウト型で配信されております。固定レイアウト型は文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 本書では、確率的グラフィカルモデルの統計的機械学習理論について、画像処理とパターン認識に応用例を絞りつつ概説することから始める。特にパターン認識では、クラス分類問題という視点において、多値ロジスティック回帰モデルと制約ボルツマンマシンという2つの確率的グラフィカルモデルを通し、深層学習の基礎となる数理を紹介する。その上で、グラフ構造の疎（Sparse）性という深層学習とは真逆の性質を元に急速に展開しつつあるスパースモデリングという新しい研究領域の最近の理論的基盤の深化の様子を、連続最適化問題という視点から解説する。 -
3.9量子コンピュータで変わる世界はもう目の前に！ 「量子コンピュータのもたらす未来を見たい方へ」 メルカリ代表取締役会長兼CEO 山田進太郎 最近、ニュースでよく聞くようになった量子コンピュータ。「人工知能の先は量子コンピュータを使った量子人工知能だ」とGoogleはいいます。 でも、量子コンピュータって何だろう？ 世の中で何が起ころうとしているんだろう？ 本書は文系理系問わず、そんな疑問をお持ちの方に量子コンピュータと社会の接点をお伝えします。 量子コンピュータと聞くと、なんとなく専門的な知識が必要なこと、まだまだ先のことと身構えてしまいます。 ですが、実は現在さまざまな企業が身を乗り出して新しく研究開発を進めています。 皆さんにも馴染み深いところ、意外なところが名乗りを上げ、実業に結びついた新しい試みが始まっています。 本書では大学で基礎研究を進める視点と、企業で量子コンピュータを導入・利用することについて考える視点の両者から、量子コンピュータで見ることができる人類共通の夢を語ります。 量子コンピュータの時代はもう目の前。この本で、今日からあなたの行動が変わるかもしれません！ Part 1 量子コンピュータとは Chapter 1 量子コンピュータはもう目の前に！？ Chapter 2 量子コンピュータは難しい？ ・特別寄稿コラム D-Wave Systems Bo Ewald氏 Part 2 量子コンピュータで世界が変わる Chapter 3 量子コンピュータで変わる車と工場の未来 ・株式会社デンソー Chapter 4 量子コンピュータで世界を変える企業が描く未来 ・株式会社リクルートコミュニケーションズ ・京セラ株式会社・京セラコミュニケーションシステム株式会社 ・株式会社メルカリ ・野村ホールディングス株式会社・野村アセットマネジメント株式会社 ・LINE株式会社 ・株式会社ディー・エヌ・エー（DeNA） ・株式会社みちのりホールディングス ・株式会社ナビタイムジャパン ・株式会社シナプスイノベーション ・株式会社Jij Chapter 5 量子コンピュータと社会のこれから ―リーンスタートアップと共創が世界を変える― -
5.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 ストーリーでPythonと機械学習がわかる!! 『機械学習入門―ボルツマン機械学習から深層学習まで―』、『ベイズ推定入門 モデル選択からベイズ最適化まで』につづく、お妃さまシリーズの第3弾を刊行するものです。Pythonの学習を主軸としたものであり、機械学習を実践したくなった人、およびカジュアルでわかりやすいPython入門本を探している人をターゲットとします。Pythonのコードとコードの説明をイラストでわかりやすく解説します。現在注目されているGAN（敵対的生成ネットワーク）についても解説。 第1章 魔法の鏡との出会い 第2章 機械学習の発見 第3章 思い出のアヤメ 第4章 器用な鏡、不器用な小人 第5章 あなたは誰？顔認識システム 第6章 表情豊かな鏡に戻れ！ -
3.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 『機械学習入門―ボルツマン機械学習から深層学習まで―』の第2弾、ストーリーで難解なベイジアンネットワークまで理解できる!! ベイズ推定の理解にはかなり高度な数学的知識が必要で、数学が得意でない人は、条件付き確率あたりでくじけてしまいます。そこで本書は、解説を会話調にし、イラストを中心とした親しみやすいストーリー仕立て（童話のような欧風ファンタジー）とすることで、小説を読むようにベイズ推定で大事な「もしも」に備えた事前分布について始まり、結局どんな推定が良いのかを探す「モデル選択」、最新の技術であるベイズ的最適化まで読み通せる書籍とします。さらに、併せて機械学習との関連や最新の技術との関連についても解説します。 第1章 こんなところにベイズ推定 1－1 探し物は何ですか？ Column 世の中はビッグデータ時代？ 1－2 手がかりは大切に Column 最尤推定とベイズ推定 1－3 事後確率分布 Column 事前分布の役割 1－4 ベイズの定理 Column 統計的モデリング 1－5 同時確率と条件つき確率 Column 確率なんて大っ嫌い 第2章 確率分布とベイズ推定 2－1 イノシシはどこにいる？ Column 事前分布は人の勝手？ 2－2 もっともらしい場所はどこ？ Column あらゆる可能性の追求 2－3 モデル選択 Column オッカムの剃刀 2－4 点推定と分布推定 Column 汎化性能と一致性 第3章 機械学習とベイズ推定 3－1 正則化とベイズ推定 Column 機械学習でもベイズ推定 3－2 統計科学と機械学習 Column ベイズ推測を利用した機械学習 3－3 正則なモデルと特異なモデル Column 勾配法の進化 3－4 データが足りない！ Column ニューラルネットワークの理解に向けて 3－5 過学習を防ぐ Column 未来を予測する詐欺に注意 第4章 不可能を可能にするベイズ推定 4－1 謎の少女との出会い Column データ同化 4－2 第２の逆問題 Column 連立方程式が研究の最前線？ 4－3 どうやって方程式を解くの？ Column スパースモデリング 4－4 驚異の圧縮センシング 第5章 カーネル法とベイズ的最適化 5－1 困ったときのカーネル法 Column カーネル法と深層学習 5－2 リプリゼンター定理 Column リプリゼンター定理の言っていること 5－3 ノンパラメトリックモデルとパラメトリックモデル Column スプライン補間とノンパラメトリックモデル 5－4 ガウス過程 Column 全ては最適化 5－5 効率の良い計画を！ ベイズ的最適化 Column 実験計画法 第6章 無限の可能性を考えるベイズ推定 6－1 大数の法則 Column 僕らの体に眠る中心極限定理 6－2 ベイズ推定の真価 Column 物理学の活躍 6－3 見えないものが見える！ その後の兵士さん（参考文献） あとがき 索引 -
4.0※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 イラストを使って初心者にわかりやすく解説!! 現在扱われている各種機械学習の根幹とされる「ボルツマン機械学習」を中心に、機械学習を基礎から専門外の人でも普通に理解できるように解説し、最終的には深層学習の実装ができるようになるまでを目指しました。 さらに機械学習の本では、当たり前になってしまっている表現や言葉、それが意味していることを、この本ではさらにときほぐして解説しています。 -
3.9「これは日本人研究者によるノーベル賞級の発見だ！」 元グーグル日本法人社長 村上憲郎 実現は早くても21世紀後半と言われていた「量子コンピュータ」が突然、商用マシンとして販売が開始された。 作ったのはカナダのメーカーだが、その原理を考え出したのは日本人研究者。 しかも、人工知能に応用でき、グーグルやアメリカ政府も開発競争に参戦、NASAやロッキード・マーティンも活用を開始した。 どのようにして量子力学で計算するのか。 どのようにして人工知能、特に機械学習やディープラーニングに応用できるのか。 そして、どうすれば日本の研究が世界をリードできるか。 画期的な量子コンピュータの計算原理、「量子アニーリング」を発案した本人が語る。
ユーザーレビュー
-
-
Posted by ブクログ
ネタバレ機械学習という数式ばかりの学問の本質を童話に即して解説するという非常にユニークな本。その結果、重みの調整がレバーの上げ下げだったり、微分がレバーを少し動かすだったり、訓練データとテストデータが練習問題と本番の入試問題等、初学者にもわかりやすく書かれている。薄いので、すぐに読み終えられる所も良い。
その一方で、タイトルに入門とありつつも、中盤以降は深層学習、スパースモデリングと非負値制約行列分解、イジングモデルとホップフィールドネットワーク、ボルツマン機械学習、隠れ変数、自己符号化や畳み込みニューラルネットワーク等にまで話が及び、比較的高度な内容まで幅広くカバーしている。
そのため、実は機械学習 -
-
-
