感情タグBEST3
この本はAIをこれから勉強しようと思ってる私にとってわかりやすく、かつとてもためになりました。入門書を買いあさるとわかりやすくても簡単すぎて入口にはなっても読み終わったときに大して知識もついてない、というようなことも多いですが、この本は専門知識が無くても読めるような敷居の低さで、かつ基礎知識がしっか...続きを読むり身につくような構成になってるのでおすすめです。
Posted by ブクログ 2019年02月17日
第１部では、ハードウェア（チップとサーバー）、MLライブラリ（フレームワーク）、AIプラットホーム、AIアプリケーション（サービス）のレイヤーに分類して解説、更に機械学習とディープラーニングの違いからディープラーニングの学習方法を説明する。
第２部では、機械学習を教師あり学習、教師無し学習、強化学習...続きを読むの三つに分類して、学習方法と統計学（回帰、分類、クラスタリング、バンディットアルゴリズム、Q学習）そしてアルゴリズム（ペイズ線形回帰、サポートベクター回帰、決定木、ランダムフォレスト、ロジスティック回帰、k近傍法、k平均法、混合ガウス分布、主成分分析PCA)の関係を解き明かし、ディープラーニングである畳み込みニューラルネットワーク(CNN)、リカレントニューラルネットワーク(RNN)、敵対的生成ネットワーク(GAN)を説明します。
第３部では、人工知能の得意なことを押えた上での、ビジネスでの活用を展望する。
第２部のディープラーニングの説明は数式なしでここまで掘り下げたのはかつて無かったと言って良い程素晴らしいものですが、さすがにお気楽に読んで理解できる程簡単な事ではないので、手を動かしつつもう一度読みたいと思います。
Posted by ブクログ 2023年11月23日
題名通り、エンジニア向けかと思います。
エンジニアでなけれちょっと難しいかなと思いましたが、第一章と第三章はエンジニアに限らずAIに興味があれば読んでみてもいいかと思います。
Posted by ブクログ 2021年07月01日
AIと呼ばれる技術の知識体系や主な手法の理論がわかりやすかった。
教師あり、教師なし、強化学習の違い。
分類と回帰の違い。
SVM、決定木、ランダムフォレスト、ロジスティクス回帰、k近傍法、k平均法などの手法。
勾配消失や過学習への対応としてのミニバッチ学習やドロップアウトやk交差検証などの手法。
...続きを読むニューラルネットワークの概要、畳み込みニューラルネットワークやリカレントニューラルネットワークの必要性と特性。
敵対的生成モデル（GAN）の概要。
半教師あり学習とオートエンコーダー。
など、数式なしで概念を理解できるように説明されていた。
名著。
Posted by ブクログ 2019年03月24日
疑問だったAI（人工知能）は統計を用いたアルゴリズムによるものであるとのこと。なるほど。
機械学習の学習データの量や質をコントロールしたり、学習データを水増ししたり、学習済みモデルを利用して転移学習をさせるなど奥が深い。
機械学習の一つであるディープラーニングは、隠れ層が多層化して深くなって...続きを読むおり、誤差逆伝搬を繰り返すことで賢くなっていくとのこと。
さっと読んでしまったがもう少しじっくり勉強してみたくなった。
Posted by ブクログ 2021年09月25日
機械学習や深層学習に関してG検定合格レベルの人が復習を兼ねて読むのであればそれなりにいい本だと思います☆
数式はほぼ載っていないので文系の人でも苦痛に感じる事無く読めると思いますが、全くの知識ゼロの状態で読むにしては少し情報が多岐に渡り過ぎている＆説明が雑かも？？もう一つ難点を挙げるとすると、しつ...続きを読むこいくらいに登場する麻里ちゃんのくだりはなかなかにして女性蔑視感を感じるので、それに対する不快感を感じる人も多いかも？？
