今泉允聡の作品一覧
「今泉允聡」の「応用基礎としてのデータサイエンス 改訂第２版 ＡＩ×データ活用の実践」「深層学習の原理に迫る 数学の挑戦」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
-
応用基礎としてのデータサイエンス 改訂第２版 ＡＩ×データ活用の実践
ビジネス・実用
-1巻3,080円 (税込)※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。 ◆生成AIを大幅加筆し，好評テキストが改訂！◆ ・いますぐ身につけるべき「データサイエンス」「データエンジニアリング」「AI」の基礎知識がここにある！ ・「数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラム」に完全準拠した公式カラーテキスト！ ・カラーで見やすく、練習問題も充実！ 【主な内容】 1章 データサイエンス基礎 1.1 データ駆動型社会とデータ分析の進め方 （久野遼平） 1.2 データの記述 （宿久 洋） 1.3 データの可視化 （宿久 洋・久野遼平） 1.4 データ分析の手法 （原 尚幸) 1.5 数学基礎 （清 智也) 2章 データエンジニアリング基礎 2.1 ビッグデータとデータエンジニアリング （内田誠一） 2.2 データ表現、プログラミング基礎、アルゴリズム基礎 （辻 真吾） 2.3 データ収集と加工、データベース （森畑明昌） 2.4 ITセキュリティ （宮地充子） 3章 AI基礎 3.1 AIと社会 （松原 仁) 3.2 機械学習の基礎と予測手法 （赤穂昭太郎） 3.3 深層学習の基礎 （今泉允聡) 3.4 ロボット、認識、言語 （高野 渉） 3.5 生成AI（岡﨑 直観） ※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。 -
深層学習の原理に迫る 数学の挑戦
ビジネス・実用
4.11巻1,320円 (税込)第三次人工知能（AI）ブームの中核的役割を果たす深層学習（ディープ・ラーニング）は，その高い信頼性と汎用性ゆえに様々な領域に応用されていく一方で，「なぜうまくいくのか」すなわち「なぜ優れた性能を発揮するのか」ということは分かっていない．深層学習の原理を数学的に解明するという難題に，気鋭の研究者が挑む．
ユーザーレビュー
-
-
-
Posted by ブクログ
ネタバレこの本は機械学習、深層学習がなぜ良い結果をもたらすのか説明できないことに対してもやもやしている方にはお勧めの本です。説明可能なAIという分野が発達してきているものの、基礎的な予測を導出する過程においてさえ、まだ数学的にそれが正しいかどうか説明できる段階にはないというのが現状のようです。
3章：深層学習においてニューラルネットワークの多層がなぜ必要か。
→これは滑らかな関数以外の素人的にいうとめちゃくちゃな関数を表すために必要といってよいです。例えば層が少ない場合には不連続なジャンプを含むグラフを表すことができません。
4章：膨大なパラメータの数の謎
→パラメータは多いほうがいいでのでしょうか。これも実は数学的には結論が出ておらず、パラメータが増えるほどに損失が増えるポイントがあるのですが、その後下がるという研究結果があるそうです。
また、パラメータの数が訓練データよりひとつでも多いと過適合が発生してしまう、ということもわかっています。しかしさらにパラメータの数が訓練データが無限にあるとき、損失を減らしていくことができることもわかっていますが、無限は検証が困難であるためまだ発展途上となっているそうです。
5章：なぜパラメータを学習できるのか
→パラメータを自動で学習できるのかどうかもひとつの謎となっている。確率的勾配降下法を用いることによって損失をゼロにするパラメータに到達するのには大量のパラメータがあればよいことがわかってきている。しかしそれがどの程度の数なのか、そもそも損失をゼロにするパラメータが最適なのかどうか、こういったところについてもまた研究がなされている状況であるということです。
6章：原理を知ることに価値はあるか
→今、自分たちが扱っているものについての説明ができなければ問題があったときに対応ができない。安心して使えない。そのため原理を知ることは重要。 -
-
