赤石雅典のレビュー一覧
-
-
-
-
Posted by ブクログ
「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、 -
Posted by 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
という人でないと難しい部分があると思います。
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の紹介から始まり、徐々にそれを応用した理論的な説明に移ります。丁寧な説明ではあるものの、理論編後半の深層学習は読者層によりますがハードです。証明部分は難しければ、読み飛ばして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 -
-
-
-
-
Posted by ブクログ
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。 -
Posted by ブクログ
ネタバレタイトルどおり、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) -
-
-
-
-
-
Posted by 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
