深層学習
Ian Goodfellow, Yoshua Bengio, Aaron Courville, 岩澤 有祐, 鈴木 雅大, 中山 浩太郎, 松尾 豊, 味曽野 雅史, 黒滝 紘生, 保住 純, 野中 尚輝, 河野 慎, 冨山 翔司, 角田 貴大KADOKAWA600ページISBN 9784048930628
ディープラーニングタグで同率15位（38冊中）。Zenn・Qiitaなどの1記事で紹介（時点）。
- 紹介記事
- 1件
- 媒体別
- Zenn 1
- 初めての紹介
- 最新の紹介
この本を選ぶ前に
- 出版年
- （約9年前）
- タグ内の順位
- ディープラーニングタグで同率15位（38冊中・紹介記事数の順）
紹介している記事（1件）
記事ごとの説明は、記事本文のうちこの本に触れた部分をAIが要約したもので、筆者の原文ではありません。
- AI系の研究のために読んだ本メモ Zenn · T_Tsei · · いいね 9
深層学習の理論を平易な日本語で解説している本だと述べている。新書のため縦書きで、数式は今泉先生が日本語で書き下しており、その意図を受け止めやすいとしている。筆者にとって、深層学習の理論を「面白そうだ」と感じるようになったきっかけの本である。
この本について
深層学習の数学的基礎から代表的なモデル、研究上の手法までを理論とともに学ぶ教科書である。前半では線形代数、確率・情報理論、数値計算、機械学習の基礎を扱い、続いて順伝播型ネットワーク、正則化、訓練時の最適化、畳み込みネットワーク、回帰結合型・再帰型ネットワークを説明する。実践的な方法論と応用を経て、線形因子モデル、自己符号化器、表現学習、構造化確率モデル、モンテカルロ法、分配関数、近似推論、深層生成モデルへ進む構成である。理論は平易な日本語で説明され、数式も日本語で書き下されている。基礎から確立した手法と研究領域までを学ぶため、深層学習の理論的な土台を含めて学びたい読者に向けた内容である。
楽天ブックスの商品説明と紹介記事をもとにAIが要約したものです。原文の転載ではありません。