我妻幸長のレビュー一覧

AI関係の教育コンテンツを販売する会社の社長が著者。
”入門”書なので、深層学習のしくみをサラッと理解する目的で読む本。

数式を交えて深層学習のライブラリの意味や使いこなしをやさしく説明している。
説明量は最小限で、実践するには「動かして学ぶAI・機械学習の基礎」を読む必要がある。

1を見ていないので詳細は分からないが、確かにはじめての…というタイトルから一般に想像されるレベルよりは難しいのかもしれない。ただ、DNNについてはある程度理解がある上で読むと、RNNやLSTM、GRUさらにVAE、GANまで、とても丁寧に分かりやすく、かつ端折るところはきちんと断って書かれている良書...続きを読むに思う。著者によるYouTubeの無料動画講座も分かりやすかった。

数学が苦手なソフトウェア開発者である私でも、この本のおかげでディープラーニングのバックプロパゲーションの数式導出を理解できた。
ただ、後半の畳み込みニューラルネットワークの解説は駆け足気味で、im2col/col2imのアルゴリズムが理解できなかった。
この本で得た知識をもとに、応用系の本を読んでい...続きを読むきたい。

深層学習の理論と、実際のコードが記載されていて、とても丁寧でわかりやすかった。本来ライブラリを使えば作るだけならできてしまうけど、理解のためにはこうやって一から書いてみることも必要。

昨今流行りの深層学習のメカニズムについて紹介した参考書。

この手のシリーズをいくつか読みましたがその中で初学者に分かりやすく、それでいて数式などがしっかり書かれていて浅すぎない。
また載せられているPythonのコードも一番シンプルなNumPyで書かれており、どういう計算をしているかがわかりやすい...続きを読む点は非常に高く評価したい。

個人的な意見としては
最適化アルゴリズムが理解できる範囲で数式で説明されていた点と
CNNについて詳しく述べられていた点は非常に参考になった。

GenerativeAI関連の技術的話題の理解を深めるためにライブラリを使わずに1から実装しながら読んだ。
Backpropagationのようにわかったつもりになっているものも、いざ数式をもとに書いてみると誤った理解をしている箇所があることがわかった。

SNSを見ていると「○○な論文が発表！！！...続きを読む進化が早すぎるw w w」と毎日のように騒がれているが、改めてみるとRNNやLSTMなど既存の技術の組み合わせなんだなとわかる。
技術背景を理解した上でもブラックボックスな要素が強い領域なのでこれが活かせるかわからないが、ある程度情報のフィルタリングができる程度には基礎的なところは抑えておきたい。

前半で脳科学入門的な説明をした上で後半は脳と対比させながらの人工知能の解説、人間の脳と関連づけることでより印象（記憶）に残りやすくて、ありそうで無かったとても良い構成です。終章で脳とAIの共存について書かれてますが、BMIなどニューロAIについてももう少しページを割いて貰えたらよかったかな。また、教...続きを読む科書と謳うだけあって小テストが付いていて、これが簡単な選択問題でほとんど正解できるので達成感があって自信がつきます。それから脳の図をウキペディアから引用してますが、脳の部位名が英語のままなところがあって、これはさすがに如何なものかと、内容が良かっただけにちょっと残念。

内容としては脳の基礎的な知識とAIの対応部分、photonでの複雑なニューロンの動きを真似てみる方法等が書かれていた。
どちらも知識がなかったので面白く読めた。
参考文献も特に興味が惹かれたので読んでみたい。

仕方ないことではあるが、動画をurlで本に載せるのはやはり見づらく感じた。

Pythonを使用しながら人工知能を勉強したい人におすすめ。

【概要】
●ＡＩ開発でニーズの高い人工知能技術を解説
●Pythonでコードを実際に動かしながら（Google Colaboratoryを使用）、ＡＩ技術の仕組みを理解できる。
　・機械学習（回帰、ｋ平均法、サポートベクターマシン）
　...続きを読む・深層学習（画像識別、画像生成、ＲＮＮ）
　・強化学習（Cart Pole問題、深層強化学習）

【感想】
●Pythonを使用して人工知能を勉強する人にはとてもよい本だと思った。
●ＡＩの基礎知識を持たずに読むには難しいかもしれない。
　専門分野になると飛躍的な説明が入るため、疑問点があればその都度、やさしい本を読みながら並行して読めばよいと思う。
●数学の基礎を内容に含む。大学の理数系出身者にとっては簡易な内容。数学が得意でなければ、別途、記載内容をネットで調べた方が理解しやすい。
　例えば、ｙ＝ｅ（ｘ）は、微分してもｅ（ｘ）になる、など。
●ＣＮＮで書かれているim2colとcol2imは、自分にとって新しい情報だったので読めてよかった。