学術・語学 - 富谷昭夫一覧

  • これならわかる機械学習入門
    NEW
    -
    【道具として使いこなす!】 膨大な観測データから普遍的な法則を抽出する手法とは? 高校数学レベルから始まり、Python入門、TensorFlowによる実装、最新の論文まで踏み込む入門書。 【著者サポートページ】 https://github.com/akio-tomiya/intro_ml_in_physics 【目次】 第1章 データとサイエンス 1.1 物理学とデータサイエンス/1.2 最小2乗法とオーバーフィット/1.3 テイラー展開と振り子の等時性/コラム:武谷の三段階論 第2章 行列と線形変換 2.1 ベクトル、行列と線形変換/2.2 変換としての行列/2.3 行列に関する色々/コラム:計算量のオーダー 第3章 確率論と機械学習 3.1 確率の基礎事項/3.2 教師あり学習と教師なし学習、強化学習/3.3 確率変数と経験的確率、大数の法則/3.4 大数の弱法則の証明/3.5 カルバックライブラーダイバージェンス/3.6 尤度と赤池情報量基準、汎化/3.7 ロジスティック回帰 第4章 ニューラルネットワーク 4.1 ニューラルネットワークの概論/4.2 万能近似定理/コラム:新しい道具と新理論 第5章 トレーニングとデータ 5.1 ニューラルネットワークの入出力と学習/5.2 誤差関数と汎化、過学習/5.3 誤差関数の最適化・学習/コラム:次元の呪い 第6章 Python入門 6.1 Pythonによるプログラミング入門/6.2 Pythonと他言語の比較/6.3 NumPyとMatplotlib/6.4 Pythonでのクラス 第7章 TensorFlowによる実装 7.1 TensorFlow/Kerasとは/7.2 データやライブラリのロード/7.3 データの分割とニューラルネットワークの設計/7.4 学習/7.5 結果の評価/コラム:量子化という用語 第8章 最適化、正則化、深層化 8.1 最適化法の改良/8.2 過学習を防ぐ/8.3 多層化にむけて 第9章 畳み込みニューラルネットワーク 9.1 フィルター/9.2 畳み込みニューラルネット/コラム:知能と飛行機 第10章 イジング模型の統計力学 10.1 イジング模型/10.2 イジング模型のモンテカルロ法/10.3 熱浴法のPythonコードとデータの準備/コラム:統計力学と場の量子論 第11章 Nature Physicsの論文を再現しよう 11.1 論文について/11.2 データの前処理/11.3 実験
  • ディープラーニングと物理学 原理がわかる、応用ができる
    4.0
    ※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。 人工知能技術の中枢をなす深層学習と物理学との繋がりを俯瞰する。物理学者ならではの視点で原理から応用までを説く、空前の入門書。《目次》第1章 はじめに:機械学習と物理学【第I部 物理から見るディープラーニングの原理】第2章 機械学習の一般論第3章 ニューラルネットワークの基礎第4章 発展的なニューラルネットワーク第5章 サンプリングの必要性と原理第6章 教師なし深層学習【第II部 物理学への応用と展開】第7章 物理学における逆問題第8章 相転移をディープラーニングで見いだせるか第9章 力学系とニューラルネットワーク第10章 スピングラスとニューラルネットワーク第11章 量子多体系、テンソルネットワークとニューラルネットワーク第12章 超弦理論への応用第13章 おわりに

無料で読める学術・語学 - 富谷昭夫