なっとく！ディープラーニング 電子書籍｜翔泳社の本
  1. ホーム >
  2. 電子書籍 >
  3. なっとく！ディープラーニング

なっとく！ディープラーニング

著
翻訳
監修

形式：
電子書籍
発売日：
ISBN：
9784798166247
価格：
2,860円（本体2,600円＋税10%）
カテゴリ：
人工知能・機械学習
キーワード：
#プログラミング,#開発手法,#データ・データベース,#ビジネスIT
紙の書籍
電子書籍

購入はこちら

企業・教育機関での一括購入

機械に学習させる調教師への道

【本書の内容】
本書は
Andrew W. Trask, "Grokking Deep Learning",
Manning Publications 2019
の邦訳版です。

本書は「機械が学習する」というテーマのもと、
その根幹を成す「ディープラーニング」という手法を平易に解説した書籍です。

一般に「ディープラーニング」というと、その背景となる数学的厳密性を全面に押し出し、
微に入り細に入る解説が仇となって、面白くなるとばぐちでリタイアすることになりがちです。
本書は数学的厳密性はそこそこに、むしろディープラーニングの全体像を俯瞰し、
ディープラーニングがカバーする範囲とその構築方法、
そしてそのための基礎知識をイメージしてもらえるように工夫しています。

Webアプリケーションを開発する際に、フレームワークによってインフラを意識することなく
サービスを構築できるようなスタイル、と言えばいいでしょうか。

なにはともあれ、最初に提示されるPythonコードを「暗記」してみてください。
それを拡張することで、機械に学習させる「調教師」になれることが分かるはずです。

【本書のポイント】
・数式を使った基礎理論ではなく「扱える」ディープラーニングを学べる
・線形代数、微積分、凸最適化はもちろん、機械学習の知識も前提としない
・ニューラルネットワークの基礎から上位層やアーキテクチャを学べる
・Python 3.x系で実際に試せる

【読者が得られること】
・ディープラーニングの全体像
・ニューラルネットワークの基礎
・学習精度の上げ方

※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。
※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。
※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。
※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

（翔泳社）

目次の登録はありません。
本書は付属データの提供はございません。

お問い合わせ

内容についてのお問い合わせは、正誤表、追加情報をご確認後に、お送りいただくようお願いいたします。

正誤表、追加情報に掲載されていない書籍内容へのお問い合わせや
その他書籍に関するお問い合わせは、書籍のお問い合わせフォームからお送りください。

利用許諾に関するお問い合わせ

本書の書影（表紙画像）をご利用になりたい場合は書影許諾申請フォームから申請をお願いいたします。
書影（表紙画像）以外のご利用については、こちらからお問い合わせください。

追加情報はありません。
この商品の「よくある質問」はありません。

ご購入いただいた書籍の種類を選択してください。

書籍の刷数を選択してください。

刷数は奥付（書籍の最終ページ）に記載されています。

現在表示されている正誤表の対象書籍

書籍の種類:

書籍の刷数:

本書に誤りまたは不十分な記述がありました。下記のとおり訂正し、お詫び申し上げます。

対象の書籍は正誤表がありません。

最終更新日:2020年05月14日
発生刷 ページ数 書籍改訂刷 電子書籍訂正 内容 登録日
1刷 082
本文下から2行目		 未 未
誤 テクチャでは、delta（0.14）にそれぞれの入力を掛けることで、
正 テクチャでは、delta（－0.14）にそれぞれの入力を掛けることで、
2020.03.30
1刷 083
図「（4）複数の入力：それぞれのweight_deltaを計算し、それぞれの重みに適用」内		 未 未
誤
正
2020.03.30
1刷 089
図版「（2）予測：予測を行い、誤差とデルタを計算」内		 未 未
誤
正
2020.05.14
1刷 091
図版「（2）予測：予測を行い、誤差とデルタを計算」内		 未 未
誤
正
2020.05.14
1刷 092
図版「（4）学習：重みを更新」内		 未 未
誤
正
2020.05.14
1刷 093
図「（3）比較：各weight_deltaを計算し、それぞれの重みに適用」内		 未 未
誤
正
2020.03.30
1刷 125
コード内		 未 未
誤 
hidden_size = 4

weights_0_1 = 2 * np.random.random((3, hidden_size)) - 1
weights_1_2 = 2 * np.random.random((hidden_size, 1)) - 1
正 
hidden_size = 4

streetlights = np.array( [ [ 1, 0, 1 ],
                                  [ 0, 1, 1 ],
                                  [ 0, 0, 1 ],
                                  [ 1, 1, 1 ] ] )

walk_vs_stop = np.array([[ 1, 1, 0, 0]]).T

weights_0_1 = 2 * np.random.random((3, hidden_size)) - 1
weights_1_2 = 2 * np.random.random((hidden_size, 1)) - 1
2020.04.07
1刷 127
図版「（1）ネットワークの重みとデータを初期化」		 未 未
誤
正
2020.04.07