涌井貞美のレビュー一覧

カラー図解 身のまわりのすごい技術大全

身の回りには自分の知らない知識がたくさんだった。 今の時代、スマホがあればなんでも調べられる。しかし、スマホでは自分の気になったことしかインプットできないし、流れてくる情報も偏ってしまう。 だから、この本を読んでみて、読書からのインプットの大切さを改めて実感した。 新たな発見があるとても楽しい本だったから少しでも興味がある人は手に取ってみて欲しい！

カラー図解 身のまわりのすごい技術大全

説明2ページ、イラスト2ページ。

“身の回りのすごい技術”が　エレベーター，洗濯機、食品用ラップ、カーナビ，タッチパネル、紙おむつ，瞬間接着剤などなど100項目。

普段目にしているが、不思議とも思わず使っているものが　その2ページで説明されている。
どこから読もうかと迷ってしまう。
目につくものから読んでいった。
楽しかった。
すぐ忘れてしまうと思うが。

カラー図解 身のまわりのすごい技術大全

図解で短文なので分かりやすく、
「外で見かける」「身近な家電」などパートごとに読めるので、隙間時間にも楽しめる。

ついつい、気になって開いてしまう

雑学科学読本 身のまわりのすごい「しくみ」大百科

身近なもののサイエンス的な仕組みについて、見開き2ページで解説している本。
学校で学ぶレベルのものも混ざって入るが、知らなかったものも多くあり、読んでいて楽しかった。
特に、1つのカテゴリに限定されず、テクノロジー・バイオ・地理など横断的に紹介されていて、普段接していない分野の仕組み・工夫について知れるのは嬉しい。

文系のための統計学の教室

統計学の基本的な考え方を身につけることができる。

【概要】
●統計学の基本（グラフ、代表値、分散、標準偏差）
●確率（統計的確率、数学的確率、正規分布、母集団分布、標本分布）
●統計的推定
●統計的検定（母平均の検定、母比率の検定）
●相関分析
●回帰分析
●ベイズ統計学

【感想】
●統計学の基礎について、数学をできる限り使わずに理解しやすく説明されている。
●ただし誤植と思われる箇所がいくつかある。
●母平均と母比率の検定について理解しやすかった。一方で、ベイズ統計学は理解しにくかった。

Excelでわかるディープラーニング超入門

タイトルのとおり、Excelを用いてディープラーニングについて学ぼうという書籍。
なんとなくの知識は持っていたが、実際に自分でプログラムとかしたことのない自分のような読者が少し手を動かして、動作原理を実感するのにはちょうど良い内容であると思う。
例題として、○×の判断と、１，２の判断について紙面が割かれている。
前者は隠れ層が１層、後者は２層用いて畳み込みニューラルネットワークを構築しており、後者をExcelで作りこむのは少々面倒なので、作業までは行わなかったが、まず前者の○×の判定だけでも、おお！っという感動は味わえた。
ソルバー機能を使ったことが無いと設定など少し戸惑うかもしれない。
ニューラルネットワークをイメージとしてつかむにはちょうど良い書籍だと思う。

Excelでわかるディープラーニング超入門

畳み込みニューラルネットワークの仕組みを
Excelを使って表現・説明してくれている本。
手段だけでなく、何故その仕組みが生まれたのか？
といった経緯についても触れてくれていたおかげで、
CNNについての理解がすごく深まりました。
行列についても改めて理解出来たのは良かった。

私は良書だと思います。

【勉強になったこと】
・大きさを固定した2つのベクトルが似ているとき、
　その内積は大きくなる。

・最小二乗法とは、平方誤差を最小にすること。

・ステップ関数は、動物の神経細胞に忠実なモデル。
　ただ滑らかでないがゆえに、微分法が活用出来ない。
　代わりに活用するのがシグモイド関数。

・隠れ層は特徴を抽出する役割を担う。

・ニューラルネットワークでは、入力パラメータが
　増えれば増えるほど隠れ層と入力層との紐づけが
　増えてしまって計算が出来なくなる。

・畳み込みニューラルネットワーク(CNN)は、
　入力データを5X5等のグループに小分けにし、
　一度に隠れ層と紐づける数を減らすことで、
　処理が出来るようにしたもの。
　小分けにしたデータで全体をスライドして読み込み、
　特徴を算出する必要が出てくるため、隠れ層も
　結果は表形式で表現されることとなる。
　この表形式の出力結果を畳み込み層と呼ぶ。
　ざっくり言うと、1人ずつと向き合うのではなく、
　中間管理職を置いて聞いていくスタイル。

・畳み込み層を更に分割し、分割したエリアの
　特徴を最大・平均等の手段で表現したものを
　まとめた結果をプーリング層と呼ぶ。
　これにより、更に次元数を落とすことが出来る。
　＝処理が速くなる。

・プーリング法のいろいろ
　最大プーリング：対象領域の最大値を採用
　平均プーリング：対象領域の平均値を採用
　L2プーリング：対象領域の平方和の平均値を採用

・シグモイド関数と同様、ステップ関数に似てて、
　微分計算が簡単になる関数としてランプ関数がある。
　このランプ関数を活性化関数とするニューロンを
　ReLU(Rectified Linear Unit)と呼ぶ。
　なお、ランプ(ramp)＝傾斜路という意味。

・シグモイド関数とランプ関数では、
　適合度がほぼ同じになるので、
　計算の速いReLUを利用することは効果的といえる。
　ただし、1以上の値も取り得るランプ関数を採用して
　いる関係から、0 or 1のステップ関数から離れている
　＝実在の神経細胞モデルから離れてしまった分、
　結果に対する解釈が難しくなってしまっている。

文系のための統計学の教室

専門的に習ってきてない身にとっては、良書だと思う。
継続的に学んできたことが、やっと腑に落ちてきた感じ。

雑学科学読本 身のまわりのすごい「しくみ」大百科

[たられば炒め]

日常使いしてる物の仕組みを知る

普段何気なく日常使いモノの仕組みがどうなっているかを知ることができた。

深くは知らなくていいけど、浅くは知りたい。

そういう私のニーズに合致した本だった。

Excelでわかるディープラーニング超入門 【RNN・DQN編】

ある程度理系の知識があるなら非常にわかりやすい本。
具体例から入っているところがいい。
DLとRNNの基本はマスターできる。
DQNはもっとわかりやすい例だとよかったが、いい具体例をつくるのは難しいという感じがします。

高校数学でわかるディープラーニングのしくみ

初学者にとっては良書。
とても分かりやすい解説で、理解しやすかった。
順を追って丁寧に説明してくれており、ディープラーニング初学者にとっては有難い。

雑学科学読本 身のまわりのすごい「しくみ」大百科

ハイテク、動植物、社会全般、人体、生活周辺、気象、電気関連の7章で構成されていて、各章10前後のトピックをイラスト付きでわかりやすく解説してくれる良本。

1トピック4頁でサクッと解説してくれ、幅広く色々な知識に触れられるし、「えーそうだったのか知らんかった(ﾟдﾟ)！」というものも多くて、めちゃくちゃオススメ。

どうでもいいが、著者が70歳と68歳のリアル兄弟っていうのがなんかツボ。興味を引く視点とか文章は、どちらも元教員っていう経歴によるものだろうか。

ディープラーニングがわかる数学入門

昨今話題のAIの発達と密接に関連するディープラーニング。具体的に何なんだよ、と疑問に思って読む入門者にはとても分かりやすい本でした。
入門書とは言え、ディープラーニングを理解するのに簡単な数学も知らないようでは無理なわけで、通常の入門書ではその辺は理解していることを前提としているものも多い。本書では、必要となる最低限の（理系大学生にとっては）初歩的な数学、つまり微分、偏微分、線形代数（行列）に関する説明の章も独立して設けられていて、その説明が非常に分かりやすい。大学の理系学部生が教養課程生で学ぶ際に非常に役立つのではないかと思う。ここだけでも読んで損は無い。
さらに本書では、今なら誰でも使っているだろうExcelを使って、わかりやすい形で具体的にディープラーニングを体験できるようになっています（ファイルもダウンロード可能）。流行のスクリプト言語Pythonだとかを使ってディープラーニングを学ぼう！とか言われても実用までは考えていない人間にはPythonだとかを使うところまでが高い壁だろうし、単にディープラーニングが何なのか知りたい人間にとっては入り口で挫折してしまうことになってします。かといって、文系的にたとえ話だけでディープラーニングを説明されても具体的に理解は不能。具体的にディープラーニングを使いたい問題に応用したいわけではないけど、何なのかそれなりに具体的に理解したいというような人には、Excelを使うというのはベストだと感じた。
本書を読んでディープラーニングが何かということをある程度理解したら、実際に使ってみようという場面は出てくるかもしれないし、より実用的な他の書籍が非常に読みやすくなるでしょう。
ちなみに自分の理解としては、「ディープラーニングは、典型的には画像データのような様々なデジタル化された多次元データのパターン認識を、大雑把に、そしてできるだけ高速に行うのに使える技術」なんだな、というものです。人間の脳と似た仕組みを応用して、さらに高速に。

身につく ベイズ統計学

初級者の自分にとってはベストマッチの良書でした。
ちょうど仕事でかがえてる課題にしっくりくるロジックだったのも大きい。
同じシリーズは続けて読む価値あり。

Excelでわかるディープラーニング超入門

良書なんじゃないですかね。解析、判断を可視化して簡単な数式で表現して、excelで実装してみる、と。
およそこれまで仕事で使ってなかった関数がたくさん出てきてなんか楽しかった。
結局は力技で、細かい判断の積み重ねで大きな判断をするのだけど、細かい判断の単位が細かすぎるのでマシンのパワーによって、実現性が高まったというのもよく分かる。

図解 使える統計学

統計学の本は色々読んだが、この本で結構腑に落ちたというか理解できた。
コンパクトにまとまっていて良い感じ。
見開き右側が文章、左側がイラストになっている。

史上最強図解 これならわかる！ベイズ統計学

最近流行のベイズ統計。とてもわかりやすい。
--
・一般的には、原因が与えられたときに、その結果を議論します。ところが、ベイズの基本公式は、それを反対にしてくれるのです。すなわち、結果から原因をたどれるように変換してくれるのです。
・尤度：原因ＨのもとでデータＤが得られる確率
・事前確率的な情報を蔑ろにしている代表的な例：ある事故で軽症を負った人は10人も死亡したのに、重症の人は７人しか死ななかった。⇒軽症の人が１万人、重症の人が10人というデータがふ化されていたら、何ら不思議はない事故。

図解・ベイズ統計「超」入門

ベイズ統計について、かなり原理的なレベルで理解できる書です。
何度も繰り返しポイントを復唱することで、ベイズ統計の考え方が、染み込みました。
今まで様々な書で、ベイズ統計に触れてきましたが、本書が一番かと思います。
自分はいままで古典統計しか親しみがありませんが、本書を機にベイズ統計の理解を加速できそうな気がします。

史上最強図解 これならわかる！ベイズ統計学

「ベイズはスパムフィルタに使われているらしいけどよく分からない」「機械学習の本が難しすぎる」「統計的機械学習の実装を見ても、理論が難しくてよく分からない」という人に。

史上最強図解 これならわかる！ベイズ統計学

最近話題のベイズ統計学。レコメンドアルゴリズムとしてのベイジアンネットワーク、統計学としてのベイズ推定など、最近の「予測」モデルについては、ベイズ統計学が多く使われているようになりながらも、かいつまんでもベイズ統計学が従来の確率論や統計学と何が違うのかイメージがしづらかった。それを非常にわかりやすく説明してくれている本。説明はかなり丁寧、何度も概念をいろんな方法で繰り返し説明してくれているので、すらーっと読めるし、内容もよく理解できる。但し、大学受験レベルの確率論や大学１，２年レベルの統計学の知識がないと飲み込みができない可能性が高く、初習者は簡単な統計学などの本から入ったほうがいいだろう。