ディープラーニングがわかる数学入門

涌井良幸 / 涌井貞美

ディープラーニング（深層学習）は，人工知能（AI）分野で活躍したい，多くの人たちに注目されています。ディープラーニングは，今後ますますの発展が予想される人工知能の技術を新時代へ導いています。一方で，ディープラーニングの学習には数学の知識が必要不可欠です。本書はそのディープラーニングに必要な数学の知識をわかりやすく解説した入門書です。図を多用し，具体例を重視した内容になっています。ディープラーニングに関わる数学の知識を基本からしっかり学びたい人には必携の入門書となります。

• カテゴリ: ビジネス・実用
• ジャンル: 学術・語学 / 理工
• 出版社: 技術評論社
• ページ数: 240ページ
• 電子版発売日: 2017年04月28日
• コンテンツ形式: EPUB
• サイズ(目安): 25MB

[ブクログ · ★★★★★]

昨今話題のAIの発達と密接に関連するディープラーニング。具体的に何なんだよ、と疑問に思って読む入門者にはとても分かりやすい本でした。
入門書とは言え、ディープラーニングを理解するのに簡単な数学も知らないようでは無理なわけで、通常の入門書ではその辺は理解していることを前提としているものも多い。本書では、必要となる最低限の（理系大学生にとっては）初歩的な数学、つまり微分、偏微分、線形代数（行列）に関する説明の章も独立して設けられていて、その説明が非常に分かりやすい。大学の理系学部生が教養課程生で学ぶ際に非常に役立つのではないかと思う。ここだけでも読んで損は無い。
さらに本書では、今なら誰でも使っているだろうExcelを使って、わかりやすい形で具体的にディープラーニングを体験できるようになっています（ファイルもダウンロード可能）。流行のスクリプト言語Pythonだとかを使ってディープラーニングを学ぼう！とか言われても実用までは考えていない人間にはPythonだとかを使うところまでが高い壁だろうし、単にディープラーニングが何なのか知りたい人間にとっては入り口で挫折してしまうことになってします。かといって、文系的にたとえ話だけでディープラーニングを説明されても具体的に理解は不能。具体的にディープラーニングを使いたい問題に応用したいわけではないけど、何なのかそれなりに具体的に理解したいというような人には、Excelを使うというのはベストだと感じた。
本書を読んでディープラーニングが何かということをある程度理解したら、実際に使ってみようという場面は出てくるかもしれないし、より実用的な他の書籍が非常に読みやすくなるでしょう。
ちなみに自分の理解としては、「ディープラーニングは、典型的には画像データのような様々なデジタル化された多次元データのパターン認識を、大雑把に、そしてできるだけ高速に行うのに使える技術」なんだな、というものです。人間の脳と似た仕組みを応用して、さらに高速に。

[ブクログ · ★★★★☆]

ニューラルネットワークについて基礎からしっかりと数式（行列は使用していない）で説明し、Excelでそれを実践している。高校２年程度の数学を理解していて、プログラミングには慣れていない人に向いている。
偏微分のチェーンルールや誤差逆伝播法などニューラルネットワークで数学が上手く使われていることがわかり、大変参考になった。
特に逆誤差伝播法での微分や漸化式のありがたい性質はほかの機械学習の手法でも有効なので学べてよかった。
ニューラルネットワーク内での具体的な計算はブラックボックスになっているからこそ、計算構造を理解することが重要である。
本書はその有効な手助けとなる。

[ブクログ · ★★★★☆]

他のディープラーニング本では当たり前に1行で書いてあったことが、そもそもこの記号の意味は何かとか図で表すとどうなるかとか丁寧に書かれてあって、今のところディープラーニングのための数学入門としては一番良いと思う。それでも難しくて理解できないが…

[ブクログ · ★★★☆☆]

ディープラーニングの数学の入門と思った方が良い。
整理はされているが、深いところまでは説明がなく、久しぶりに数学をやった私にはなんとなくわかった気にはなったが、納得し切れてない部分があった。
ここから、他の専門書に移って勉強する必要があると思う。