赤石雅典のレビュー一覧

「4.1 データ確認」は、プロットしてデータセットの特徴を視覚的に掴む上で、pythonのseabornの使いこなし方を紹介。

「5 業務要件と処理パターン」は、いくつかの業務要件の処理パターンで実習できる.。モデルの選択方法からチューニング方法まで具体的で明解な説明がある。

字面だけ読んでわかった気になってもPythonのコードを見て理解してないことに気付く。何がわからないか悩みながら手を動かして、理論編の参照ページを読み返し、python コードを実際に動かして、腹落ちする時がくる。理解に時間はかかるが、独学には良いだと思います。

おそらく数学がわかる人から見ると説...続きを読む明が正しくないとか雑すぎるというところは多々あるのだろうけど、これ以上細かく書かれても理解出来ないだろうと思う。

一つ欲を言えば数値の具体例があればより理解しやすかったと思う。自分でノートに書き出すまでは頭がモヤモヤしていた。

「scikit-learnを使えば機械学習は一般人にも使えるかも」とか「scikit-learnをまずは使ってみよう」と思わせてくれる本。
3章で機械学習における開発ステップの全体像を述べた後、4章ではそのうち特に重要なデータ確認、データ前処理、アルゴリズム選択、評価、チューニングについて程よい粒度...続きを読むで説明している。Accuracy, precision, recall, true positive/false positive/true negative/false negative, PR曲線/ROC曲線、交差検定法やグリッドサーチを用いたアルゴリズム選択とハイパーパラメータ最適化について、数学の詳細に踏み込むことなく、利用時に必要な知識を提供している。また、一貫してscikit-learnを用いてこれらを説明しているため、読者にとって分かりやすく、実際に試したり業務に適用したりする際のハードルも低いと感じた。

知識を得るには4章まで読むだけでも価値はある。5章の実例に基づく解説は、実際に業務で必要性が生じたら改めて読みたい。

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...続きを読むん。

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。

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。

説明内容、コーディングともに難し過ぎず、かといって省略され過ぎてフワッとし過ぎているわけでもない。非常にバランスに優れており、機械学習の入門書としてはとても良書だと感じた。

基本から、実際のコーディングまで。Colab を使っていて、すぐに試せるのが良い。複数のアルゴリズムを、どんな風に使い分けるか、わかりやすく説明してくれる。実際のプロジェクトでは、もう一度読み返さなくては、だけど、すごく整理されている良書だと思う。

わかりやすいが、ところどころ著者の理論の理解が浅く（？）適当なことを書いてあるのが残念。
（例えが下手なだけだろうか。アナロジーのつもりがアナロジーになっていないというか…）
間違った理解でも開発に支障は出ないので問題無いが。

「何故こうなるのか理解するには〜〜してみよう」といった記述もあるが、そ...続きを読むうしたところで理解できるのは挙動であり原理ではない。
理論的な理解をしたいなら他の本をおすすめするが、タイトル通り手っ取り早く開発できるようになる第一歩の本としては悪くない。

図の再掲やコード、結果の図示が多く、ページ数の割には読むのは大変ではない。

内容の半分がIBMのNLP関連APIを利用する話だった。
対象のAPIを利用する人には良い手引になりそうだけど、それ以外の人（多分大多数）の人にとってはちょっともったいない構成。

各種ライブラリを利用してNLP処理の紹介をしてあるが
詳細な部分だったり、主要な使いかたをさらうだけなので、勘所がない...続きを読むひととかだと読むの辛い人もいるかも？

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。

機械学習を始める人が
最低限のpythonプログラミングを習得するのに良い。

同じ著者の「儲かるAIを作る」の巻末に
凝縮した説明があるので、
プログラミング経験者はそちらで十分。

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。

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...続きを読む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。