小高知宏のレビュー一覧

機械学習をめぐる冒険

小高知宏

取っつきやすさ◎
・ボリュームが少ない（本が薄目）
・タイトルにある「冒険」が気になる
・表紙がかわいい

読みすすめて見ると、事前知識無しで楽しく読めた。ニューラルネット以降は実践なしの人が理解するには少し難しかったけど、機械学習の概要が分かったので今後のPythonの勉強の道標にはなったと思う。

表紙に出てくる羊と機械の羊の二人が機械学習の森の中を冒険して行き、読者はそれについていくという設定も楽しい。

項目ごとのボリュームも少なくて、それぞれまとめを箇条書きしてくれているのでとても親切。

機械学習が生物の学習の仕組みを模倣したものだというのも生物系の学部を卒業した私にとっては機械学習を身近に感じられてよかった。

機械学習をめぐる冒険

小高知宏

機械学習とは？という入門的概論書。
深く理解するというよりは、広く浅く、機械学習の仕組みを知りたい人向け。
具体的な実用例などは少なめなので、「機械学習って何に使えるのかさっぱりわからん」という人にはおすすめしづらいかな。

PythonによるTCP/IPソケットプログラミング

小高知宏

TCP/IPの仕組みのサックリ行い、最小構成の例で動かしながらソケットプログラミングをスタートできる。TCP, UDPのサーバ・クライアントプログラムから始まり、簡単なネットワークシステム、WEBシステムを作るところまで。薄いので試しやすい。

機械学習をめぐる冒険

小高知宏

大雑把に機械学習の細目を理解するのに良い。

逆算的にヒトの思考認識、認知機構を再考するのにとても参考になる。そのぐらい、分かり易く活用しやすかった。

例えば、分類に関して、最適化、進化的計算、遺伝的アルゴリズム（交叉）などは、西欧文化にとても親和的だと思う。
日本は、群知能（蟻コロニー最適化法）、単線t的な線形性に馴染む文化のように思う。

適応度（選択と淘汰）の西欧と粒子群最適化（解空間から来る立場主義）の日本。特に今は、分断というよりもアノミー、無連帯感覚が拡散している日本。
過去の記憶が、最適化を阻んでいる。それが、今のこの国では利権構造の温存といる形として現れている。

Q学習という即興参加型の報酬系とG A N（ガン）敵対的生成ネットワークを用いた競争手法も資本主義ととても相性がいいように思う。
偽データ生成が主目的なところも、日本には馴染めないが、信仰を軸に持つ西欧には向いている。

内部パラメータの発見が、要件になってるAIと発見よりも、和や空を好むの日本。相性は悪いな。
なんにせよ、多大な試行にかけるコストやパワーの余力が乏しくなっている国には、辛い。

機械学習をめぐる冒険

小高知宏

機械学習の概要を知るのに良い本。最初はかなり簡単だが、後半はそこそこ難しい。
強化学習ということばの意味が知りたかったので、一連の行動を評価して学習することだとわかった。
あと、ディープラーニングは自己符号化機でやることって思っていたがそれだけでなく他の手法も組み合わせていることも理解でき、誤解が解けた。

機械学習をめぐる冒険

小高知宏

機械学習とは何かが非常にわかりやすく説明されている。入力データを基に分類や判断を行う学習モデルを高い精度で構築することで、エアコンや株取引など様々なことに応用できるという基本がよくわかった。
いろんなデータセットでPythonプログラムを組んでみたいと思った。

機械学習と深層学習 《C言語によるシミュレーション》

小高知宏

ディープラーニングを勉強し始めてはや一年。ペーソンが主流だけど他の言語で書くとどうなるのかなーと思って本探してたらこの本に出会った。読みやすかったのはやっぱり一年の積み重ねがあったからだろうか。遺伝アルゴリズムはあんまり勉強したことなかったのでとても勉強なった。

PythonによるTCP/IPソケットプログラミング

小高知宏

複数PCを連携させつつ制御する必要に迫られつつあり、CでやるのはめんどくさそうだというのでPython、そしてまずはネットワークの入門と言うことで出たばっかりの本書を。
Cであんまり大規模でない自分用の計算プログラムばかり作っていたので、Pythonましてやネットワーク関係はほとんど良く分かっていたなかったのだけど、基本のキが分かって良かった。網羅的体系的ではないけれど、初心者が手を動かしてまなび始める1冊目にはよいかも。
ゆうてPython自体はずぶの初心者じゃなくある程度文法を知っていないといけないけど、まあその辺は他の本が有るので、一点集中で切っ掛けを作るには、ちょうど良かった。

機械学習をめぐる冒険

小高知宏

復習のため
遺伝的アルゴリズム→木構造
群知能→蟻コロニー最適化法、粒子群最適化法、AFSA
強化学習→モンテカルロ法、Ｑ学習

Pythonによる数値計算とシミュレーション

小高知宏

早急にPython に慣れるために購入し、前半だけ読んだ。クセなく読んで試せた気がする。後半とかは物理、数学の話になって、そこまではいらなかったので読んでない…

機械学習をめぐる冒険

小高知宏

開始:2022/8/29
終了:2022/8/30

感想
機械学習の概要を、羊や夢見がちな電気羊と共に把握することができた。機械学習の国により深く踏み込みたくなるような仕掛けが施された良書。

機械学習をめぐる冒険

小高知宏

機械学習は、AI＝人工知能、の中の技術の一つ。
教師無し学習は、統計学のクラスター分析や主成分分析と同じ。
強化学習は、勝ち負けを教師データとして扱う。モンテカルロ法やQ学習など。
K近傍法で分類する。
決定木は分類ルールを作って分類する。

みにくいアヒルの子定理＝見にくいアヒルの子も区別できない＝どの性質も同じウエイトにすると、アヒルの子と見にくいアヒルの子は似ている項目の方が多い。体の大きさや色の比重を大きくしないと、違っていることにはならない。

蟻コロニー最適化法は最短経路の探索に適している。
粒子群最適化法は、生物の群れを模倣したもの。
AFSAは、魚の動きを模倣したもの。

強化学習は二足歩行を上手に歩かせるなど、制御に使われる。モンテカルロ法など。うまくいったときに報酬を与える。Q学習は、行動に対する価値であるQ値が設定されている。

深層学習＝ディープラーニング＝ニューラルネットワークを発展させたもの。
伝達関数や出力関数によって評価する。重みと閾値を設定する。
ニューラルネットワークは必ず何かを返してくる。制御や判断に組み込む場合は注意が必要。

畳み込みニューラルネット＝人間の視覚神経を模擬したもの。
畳み込みとは、入力データの各部分に対して同じ処理を繰り返して、その結果をまとめる。結果を集めて新しい画像を作り出す。画像の特徴を抽出する。
ブリーフィングによって曖昧にぼかすことで全体的な特徴を取り出す。

『エンジニアなら知っておきたいAIのキホン』
『基礎から学ぶ人工知能の教科書』
『Pythonではじめる機械学習』
『ゼロから作るDeepLeaning』
『機械学習と深層学習　Pythonによるシュミレーション』
『人工知能プログラミングのための数学がわかる本』
『機械学習ーデータを読み解くアルゴリズムのい技法』