発売日 2018年08月22日(水)

はじめてのディープラーニング
Pythonで学ぶニューラルネットワークとバックプロパゲーション

著者名:我妻幸長(著者)

¥2,680(税別)

ISBN:
978-4-7973-9681-2
サイズ:
A5/2色
ページ数:
340
付録・付属:
-

購入する

全国の書店、または以下のネット書店よりご購入ください。

※書店によって在庫の無い場合、お取扱いの無い場合があります。予めご了承ください。
※各ネット書店での詳しいご購入方法は、各サイトにてご確認ください。

紙版を購入

電子版を購入

著者紹介

著者・我妻幸長

我妻幸長
「ヒトとAIの共生」がミッションの会社、SAI-Lab株式会社の代表取締役。AI関連の教育と研究開発に従事。
東北大学大学院理学研究科修了。理学博士(物理学)。興味の対象は、人工知能(AI)、複雑系、脳科学、シンギュラリティなど。
プログラミング / AI講師として、教室で1000人以上を、オンラインで約2万人近くをこれまでに指導。
世界最大の教育動画プラットフォーム、Udemyで「はじめてのPython」、「実践データサイエンス&機械学習」、「みんなのディープラーニング」、「みんなのAI講座」などを開講中。
エンジニアとして、VR、ゲーム、SNSなど、ジャンルを問わず数々のアプリを開発。

サポート情報

この商品に関するお問合せはこちら
※ご意見、ご感想も、このフォームよりお寄せください

Twitter

Unable to load Tweets

  • 数式の展開に違和感

    3.0
    ジョン・スミス

    間違った計算はやってないと思いますが、多分著者はあまり数学を理解していないと思いました。数学をそれなりに学んだことがある人は、δや∂といった変数や記号は誤解を生まないように扱うと思いますが、この本でのそれらの扱い方がよろしくないです。例えば、この本では∂E/∂bk を単に∂bkと定義しています。数学や理論物理をされた方であれば、微分される側の変数を省略するような書き方は普通しません。やるなら∂Eと書いて、微分した変数を∂の右下に小さな添字で記入します。そしてアインシュタインの縮約の記法を使って、同じ添字の場合は和をとって、そうでない場合は別の変数として扱うなど、そういった扱い方をします。そして、上記のような成分計算を行う際はクロネッカーのデルタ(δij)がよく出てくるものです。しかしこの本では、そんな中、ある変数で微分したものをδkと定義したり、紛らわしい事この上ないです。そのようなわけで、理工系学部で数学をまともに勉強したことがある人は結構アレルギー反応を示すと思いました。

  • 5.0
    ttani

    機械学習、ディープラーニングについて多くの本を買いましたが、この本は最高に素晴らしい本だと思います。内容が分かりやすく、変数の名前の付け方も全体を理解する上で分かりやすかったです。是非、RNNやLSTM、GRU等を記載した続編を要望致します。また、数学を数式とプログラミングで理解できるようなディープラーニングの数学のみの本も出版いただけると非常に助かります。とにかく、この本を基にして、他の書籍の内容を追加しながら知識を習得していきたいと思います。Udemyの講座も受講しておりますが、書籍がやっぱり一番でした。

  • わかりやすく、正確で、読みやすい

    5.0
    shishishi

    python×DeepLearningは最近山ほど書籍が出ていますが、その中の基礎よりの本としてとても良い・必要最小限の事項を積み上げ式で進めていくので、わかりやすく、また章ごとに達成感が得られる・バックプロパゲーションも含め、類書と比べて正確な取り扱いであるため混乱が少ない・長いコードを部分ごとに説明する著者の工夫と、そもそも印刷や色分けによって、コードが読みやすいディープラーニング自体が何をやっているのか基礎的な事項に関心が出たときに通読すると、かなり理解の助けになると思います。分量も適度です。

すべての26レビューを表示

  • やまと

    新宿の紀伊国屋書店に久しぶりに行ったところ、機械学習、統計学、プログラム言語Python等のAIコーナが店内の目立つところに設置されていました。その中の一つである本書には、自分のパソコンにPythonのインタプリターを載せ、ニューラルネットワークを実装して、機械学習を体験できるように例題が用意されています。オンライン・スクールのUdemyでも、著者が本書をもとに機械学習の入門講座を開設しており、動画を見ながら解説を聞けたので、理解がさらに深まりました。世の中がグルグル勢いよく変化している様を感じています。 続きを読む

  • amkmpp

    最も基本的な構成のニューラルネットワークとその最適化手法について、原理と実装方法を理解することができる。数式による理論とコーディング例による実装の解説バランスもよく、サクサク読みすすめることができた。特に理論部については、数式変換まで丁寧に解説されており、個人的には、この本を読んで理解できなければ、他の書籍を読んだ所で理解できないのではないかと思う。ディープラーニング系の勉強本として1冊目に読みたかった本。 続きを読む

  • Fooooooooo

    「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」と比べると、入門書としては「ゼロから作る」の方に軍配が上がるかなって思います。 【本書の特徴】 ・サンプルコードの可読性が高く、説明が丁寧(ここに多く紙幅を割いています) ・CNNの説明は「ゼロから作る」よりもわかりやすい ・図が少なく文章だけでは理解しづらい箇所がある ・誤植がわりとある(ちゃんと読んでいれば理解する上で特に問題にはならないが、編集さんは一読してるのか?) 続きを読む

すべてのレビューを読む