あらすじ
※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。
AIのブラックボックスを開けよう！
ディープラーニングの本質を理解するために必要な「数学」を
「最短コース」で学べます！
「ディープラーニング」の動作原理を「本当に」理解できる本です。
本書では、ディープラーニングの理解には欠かせない数学を
高校1年生レベルから、やさしく解説します。
（微分、ベクトル、行列、確率など）
最短コースで理解できるように、
解説する数学の分野は必要最低限のものだけに絞り、
その相関関係を★特製の綴込マップ★にまとめました。
また、数学を使ってイチから記述したコードを
Jupyter Notebook形式で提供しますので
実際に動かしながら学ぶことができます。
「ディープラーニング」の動作原理を「本当に」理解できる本です。
感情タグBEST3
ちょっとむずい
数学科の人間として理解に努めようと努力したが、統計学に慣れて無さすぎてどうにも理解が進まなかった、、、。ただ、逆に大まかには理解できたので、理系の人で大学の基礎数学、特に行列や偏微分を習ったことのある人なら情報に無知でもある程度問題ないかと思われる。
Posted by ブクログ
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。
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。
Posted by ブクログ
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。
Posted by ブクログ
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))
常に増加し続ける。値は0から1をとる。0,0.5で点対称
分類型の機械学習モデルでよく用いられる
・softmax関数
・モデルの特徴を表す変数を式に含んでいる確率の色のことを尤度関数と呼ぶ。最尤推定とは尤度関数をパラメーターで微分してちょうどいい微分値がゼロになるときのパラメータの値を求め最も確からしいパラメータの値として推定すること。
最尤推定を行う場合、通常対数が用いられる。微分しやすくするため。
・多値分類。one hot vectorを設定する。
softmax関数で確率値で出力できるようにする。
・
Posted by ブクログ
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。
Posted by ブクログ
ディープラーニングに関する本だと数学に関して数式が多く出てきて不明になるし
基礎的な所だと少し簡単になるので、その間を提供してくれている本
個人的には7章までは非常にわかりやすいが、それ以降はしっかりと読まないと理解できない
他の本と比較はできないが、個人的には現時点でわかりやすい部類に入る本だと思う
手を動かさないとこの本を読む意味はあまりなくなるのでそこは注意が必要
Posted by ブクログ
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。
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うので、良書ではあると思います。
