最短コースでわかる ディープラーニングの数学

赤石雅典

[ブクログ · ★★★★★]

前提として
・高校数学をきっちり理解している
・プログラミングがある程度できる
という人でないと結構読み進めるのは難しいかなと思いました。

前半の「理論編」はディープラーニングで必要な最低限の数学知識を紹介しています。丁寧な説明ではあるものの、証明の部分は難しければ、読み飛ばしても良いかもしれません。

後半の「実装編」はプログラミング（Pythonを採用）で、実際に自分の手を動かし、学んだ内容の確認ができます。

「理論編」で蓄えた知識を「実装編」で試して確認するといった構成になっています。

アルゴリズムの手順を簡潔にまとめ、重要な箇所を太字で強調するといった些細な工夫が、非常に理解の助けになりました。全体を通しても、図が豊富で解説がわかりやすく、ディープラーニングの理解が深まる良著です。

[ブクログ · ★★★★★]

ゼロから作るシリーズを読む前に超初心者が読むとかなり良いかも

ディープラーニングの数学
プログラミングのための線形代数
プログラミングのための確率統計
機械学習の何かしらの実装本をやると
ゼロから作るシリーズやPRMLを読むための下地ができて良いです。

[ブクログ · ★★★★☆]

文系かつ数学から離れて20年の者には難しかった。分からなければ一読で済ませず何度も繰り返すしかない。何度も繰り返し読んで咀嚼すれば、だんだん理解できる予感がする。

[ブクログ · ★★★☆☆]

高校時代に数学でドロップアウトしたCS専攻出身者である自分には難しかった。読み進むにつれて数式を追うのが困難になっていった。

たぶん良い本なのだと思うが、自分には合わなかった。数学から積み上げてディープラーニングを学ぶのではなく、フレームワークや実例で使い方を学ぶことから始めようと思う。

[ブクログ · ★★★☆☆]

ディープラーニングを学ぶ際に最低限必要となる数学だけを学ぶ本。

第1版を読んだからかもしれませんが誤字脱字が多く見られ、入門書（のような立ち位置）でかつ数学という他よりも理解に厳密さが要求される分野で誤字や式がそもそも違うというのは、正直なところ勘弁してほしいところでした。

また、「nが3以上の場合はどうなるかは簡単に想像できるでしょう」といったような「〜は想像に難くないでしょう」というような文章が頻繁に出てくるのが少し気になりました。
確かに想像はできますが、途端に突き放された感がしてしまい、不親切な感覚を覚えました。

しっかり学べれば最短コースでディープラーニングをある程度学べると思うので、良書ではあると思います。

[ブクログ · ★★★★☆]

タイトルどおり、ディープラーニングに関する数学の本。わかりやすい良著だと思います。
実践編から急に難しくなる印象。プログラムに慣れてないからか。

メモ
・逆関数の求めかた。元の関数の関係xとyを入れ換えて、y＝の形に変換する。
図形的性質はy＝xの直線に対して対称な図形となる。
・勾配効果法など重要概念をわかりやすく解説。偏微分、全微分も。商の合成関数微分など初めて知った気がする。
・指数関数、対数関数は正の値しかとらない。
・対数関数は指数関数の逆関数。y＝xに対して対称
・対数関数は大きな値も小さな値も対等に扱えるフィルターとしての役割を持つ。
・ジグモイド関数　1÷(1+exp(-x))
常に増加し続ける。値は0から1をとる。0,0.5で点対称
　分類型の機械学習モデルでよく用いられる
・softmax関数　
・モデルの特徴を表す変数を式に含んでいる確率の色のことを尤度関数と呼ぶ。最尤推定とは尤度関数をパラメーターで微分してちょうどいい微分値がゼロになるときのパラメータの値を求め最も確からしいパラメータの値として推定すること。
最尤推定を行う場合、通常対数が用いられる。微分しやすくするため。
・多値分類。one hot vectorを設定する。
　softmax関数で確率値で出力できるようにする。
・

[ブクログ · ★★★★☆]

ディープラーニングに関する本だと数学に関して数式が多く出てきて不明になるし
基礎的な所だと少し簡単になるので、その間を提供してくれている本
個人的には7章までは非常にわかりやすいが、それ以降はしっかりと読まないと理解できない
他の本と比較はできないが、個人的には現時点でわかりやすい部類に入る本だと思う
手を動かさないとこの本を読む意味はあまりなくなるのでそこは注意が必要