数学が得意でない(高校レベルも忘れてしまったレベルの)人が、
ディープラーニングの最初の一歩を踏み出すために最適な本です。
数学からっきしで本の読破が苦手な自分が最後まで読んで理解できました。
必要最小限にしぼりながら、極力直感的な記述で、
しかし数学から逃げずに高校レベルの数学の話から説明してくれる。
まさに自分にうってつけの本でした。著者の方はものすごく聡明な方だなと思いました。
とはいえ、読み切るにあたっては非常に苦戦はしました。
詰まるたびに前章を読み直したり、別のサイトで詳しく調べたりしなければ、
私のような文系の読者では理解はやはり大変だと思います。
また確率周りの説明が他の章に比べてややまとまっておらず、雑な気がしました。
しかし、総合的に素晴らしい良書です。
この本のおかげで私はディープラーニングの一歩を踏み出すことができました。
もちろん、この本だけでは、スタートラインに立ったに過ぎないので
次は更に難しい本を読みたいと思います。
私はPythonはバリバリ使えますが、
理論のほうが理解できれば、プログラミング経験者であれば
Pythonコードはなんとなく予想できるし、読めると思います。
逆に言うと、理論をちゃんと理解できなければ、経験者であっても
コードを理解するのは苦しいでしょう。
私の場合は、理論編までを読破するのに非常に時間がかかりました。
理論編と実践編のページ数はそれほど変わりませんが、10:1くらいの比率で時間がかかってます。
7章以降の実践編は今までの理論編のロジックを利用して、
コードを実装しているだけなので、多少は詰まったものの、割りとすんなり読むことができました。
プライム無料体験をお試しいただけます
プライム無料体験で、この注文から無料配送特典をご利用いただけます。
非会員 | プライム会員 | |
---|---|---|
通常配送 | ¥410 - ¥450* | 無料 |
お急ぎ便 | ¥510 - ¥550 | |
お届け日時指定便 | ¥510 - ¥650 |
*Amazon.co.jp発送商品の注文額 ¥3,500以上は非会員も無料
無料体験はいつでもキャンセルできます。30日のプライム無料体験をぜひお試しください。
¥3,190¥3,190 税込
発送元: Amazon.co.jp 販売者: Amazon.co.jp
¥3,190¥3,190 税込
発送元: Amazon.co.jp
販売者: Amazon.co.jp
¥2,042¥2,042 税込
配送料 ¥350 5月30日-6月1日にお届け
発送元: POTE-YA 販売者: POTE-YA
¥2,042¥2,042 税込
配送料 ¥350 5月30日-6月1日にお届け
発送元: POTE-YA
販売者: POTE-YA
無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。
ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。
携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。
最短コースでわかる ディープラーニングの数学 単行本 – 2019/4/11
赤石 雅典
(著)
{"desktop_buybox_group_1":[{"displayPrice":"¥3,190","priceAmount":3190.00,"currencySymbol":"¥","integerValue":"3,190","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"gvbJsx9VgWljYig3fXR6vD1NIg6XXfkBRt9At%2F%2FCLvT37KBVduGTW2vqsh%2BVa61zjNB48JsAjvu5lk0hQvsYr1POWv47YwcJnvyWjj1%2Fk8LeGwmzCDVWpN0wb4HG8R%2FWkJVT5qrQ9As%3D","locale":"ja-JP","buyingOptionType":"NEW","aapiBuyingOptionIndex":0}, {"displayPrice":"¥2,042","priceAmount":2042.00,"currencySymbol":"¥","integerValue":"2,042","decimalSeparator":null,"fractionalValue":null,"symbolPosition":"left","hasSpace":false,"showFractionalPartIfEmpty":true,"offerListingId":"gvbJsx9VgWljYig3fXR6vD1NIg6XXfkBjtgyBBDe%2FXyN4gFdeH%2BWswcbwpzETylDPWAjnDuhc6W7twWLOULnMY7NTFKFye9OaeJ5A259jMyIJehk23H4Dz3KOBlptRK3hEO2g7Ory6Lpnk5cKNsFI7erk5ggvXO1jtSFQ%2F7M2XyC1jJ1mOxk5w%3D%3D","locale":"ja-JP","buyingOptionType":"USED","aapiBuyingOptionIndex":1}]}
購入オプションとあわせ買い
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!
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。
【導入編】
1章 機械学習入門
【理論編】
2章 微分・積分
3章 ベクトル・行列
4章 多変数関数の微分
5章 指数関数・対数関数
6章 確率・統計
【実践編】
7章 線形回帰モデル(回帰)
8章 ロジスティック回帰モデル(2値分類)
9章 ロジスティック回帰モデル(多値分類)
10章 ディープラーニングモデル
【発展編】
11章 実用的なディープラーニングを目指して
★巻頭綴じ込み★最短コースマップ
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!
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。
【導入編】
1章 機械学習入門
【理論編】
2章 微分・積分
3章 ベクトル・行列
4章 多変数関数の微分
5章 指数関数・対数関数
6章 確率・統計
【実践編】
7章 線形回帰モデル(回帰)
8章 ロジスティック回帰モデル(2値分類)
9章 ロジスティック回帰モデル(多値分類)
10章 ディープラーニングモデル
【発展編】
11章 実用的なディープラーニングを目指して
★巻頭綴じ込み★最短コースマップ
- 本の長さ344ページ
- 言語日本語
- 出版社日経BP
- 発売日2019/4/11
- 寸法21 x 14.8 x 2.5 cm
- ISBN-104296102508
- ISBN-13978-4296102501
よく一緒に購入されている商品
対象商品: 最短コースでわかる ディープラーニングの数学
¥3,190¥3,190
最短で5月28日 火曜日のお届け予定です
在庫あり。
¥2,750¥2,750
最短で5月28日 火曜日のお届け予定です
在庫あり。
¥3,740¥3,740
最短で5月28日 火曜日のお届け予定です
在庫あり。
総額:
当社の価格を見るには、これら商品をカートに追加してください。
ポイントの合計:
pt
もう一度お試しください
追加されました
一緒に購入する商品を選択してください。
この商品をチェックした人はこんな商品もチェックしています
ページ 1 以下のうち 1 最初から観るページ 1 以下のうち 1
出版社より
最短コースでわかる Pythonプログラミングとデータ分析 | Pythonで儲かるAIをつくる | ディープラーニングAIはどのように学習し、推論しているのか | 最短コースでわかる PyTorch&深層学習プログラミング | 人気ブロガーからあげ先生のとにかく楽しいAI自作教室 | 強化学習を学びたい人が最初に読む本 | |
---|---|---|---|---|---|---|
カスタマーレビュー |
5つ星のうち4.1
21
|
5つ星のうち4.1
257
|
5つ星のうち4.3
50
|
5つ星のうち4.4
105
|
5つ星のうち4.2
126
|
5つ星のうち4.1
43
|
価格 | ¥3,190¥3,190 | ¥3,190¥3,190 | ¥2,640¥2,640 | ¥4,070¥4,070 | ¥2,640¥2,640 | ¥3,190¥3,190 |
データサイエンス/AIの分野 | データサイエンス | データサイエンス/構造化AI | 構造化AI/非構造化AI | 非構造化AI | 非構造化AI | 強化学習 |
概要 | Pythonプログラミングの基本からデータ分析まで、これ1冊で解説 | 構造化AI・データサイエンス、ビジネス系・技術系のそれぞれの観点をバランス良く解説 | ディープラーニングでは画像認識や自然言語処理をどのように行っているのか。仕組みを豊富な図で解説 | ディープラーニング・プログラミングを実装面で解説。PyTorchの活用法がわかる | 文章や画像の生成、画像識別などのAIを楽しく自作できる | 強化学習アルゴリズムを簡単な数学で説明、Pythonで実装 |
商品の説明
著者について
赤石 雅典(あかいし・まさのり)
1985年、東京大学工学部計数工学科卒、1987年、東京大学工学系研究科
計数工学専修コース修士課程修了後、日本アイ・ビー・エムに入社。
東京基礎研究所研究員として数式処理システムの研究開発に従事。
1993年、SE部門に異動し、主にオープン系システムのインフラ設計・構築及び
アプリケーション設計を担当。2013年、スマーターシティ事業、2016年、
ワトソン事業部に異動し、今に至る。
入社以来IT・AI系の様々な領域を経験し、IT基盤系からDB設計・アプリ開発・
プログラム言語・SQLチューニングはもとより、Watson・機械学習まで一通り
語れるのが自慢。著作に『Watson Studioで始める機械学習・深層学習』(リッ
クテレコム)がある。
1985年、東京大学工学部計数工学科卒、1987年、東京大学工学系研究科
計数工学専修コース修士課程修了後、日本アイ・ビー・エムに入社。
東京基礎研究所研究員として数式処理システムの研究開発に従事。
1993年、SE部門に異動し、主にオープン系システムのインフラ設計・構築及び
アプリケーション設計を担当。2013年、スマーターシティ事業、2016年、
ワトソン事業部に異動し、今に至る。
入社以来IT・AI系の様々な領域を経験し、IT基盤系からDB設計・アプリ開発・
プログラム言語・SQLチューニングはもとより、Watson・機械学習まで一通り
語れるのが自慢。著作に『Watson Studioで始める機械学習・深層学習』(リッ
クテレコム)がある。
登録情報
- 出版社 : 日経BP (2019/4/11)
- 発売日 : 2019/4/11
- 言語 : 日本語
- 単行本 : 344ページ
- ISBN-10 : 4296102508
- ISBN-13 : 978-4296102501
- 寸法 : 21 x 14.8 x 2.5 cm
- Amazon 売れ筋ランキング: - 43,358位本 (本の売れ筋ランキングを見る)
- - 45位情報学・情報科学全般関連書籍
- - 66位数学一般関連書籍
- - 1,273位電気・通信 (本)
- カスタマーレビュー:
著者について
著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
1985年、東京大学工学部計数工学科卒。1987年、同大学院修士課程修了後、日本IBMに入社。IBMでWatsonのテクニカルセールスを経験後、アクセンチュア入社。 AI・データサイエンス系のプロジェクトの技術リードやクライアントのAI人材育成支援などを担当
京都情報大学院大学客員教授
著書『Pythonプログラミングとデータ分析』『PyTorch &深層学習プログラミング』『Pythonで儲かるAIをつくる』『ディープラーニングの数学』(いずれも日経BP)など多数
twitter: makaishi2
qitta: makaishi2
linkedIn: makaishi2
-
トップレビュー
上位レビュー、対象国: 日本
レビューのフィルタリング中に問題が発生しました。後でもう一度試してください。
2022年11月28日に日本でレビュー済み
Amazonで購入
2023年4月2日に日本でレビュー済み
Amazonで購入
対象者に関しては前書きに断り書きはありますが、はたしてその通りかどうか。
例えば「第2章」の中で「合成関数の微分」があり、この中で「累乗の法則」部分を説明もなく展開していますが、累乗の法則の説明は「第5章」に入ってからになっています。
前書きに「巻頭の図の関係線を見るように」とありますが、まさに「第2章」が「第5章」の説明に「一方向」依存しています。なぜこちらの説明を先の章に持ってこなかったのか、という疑問です。
プログラミングを先に学んでいる方にとって、数式の展開は「暗黙の省略が普通にあり、手順の記述にはなっていない」ことに気付くと思います。ようするにどこまで行っても=(イコール)の前後で起きたことの)「行間は読んでね」なのです。習慣が決定的に違います。
プログラムソースの場合は、「計算記述の省略はすなわちエラー」になります。
(イコールで結んだ前後の計算は勝手に推論してやってね、という言語もあるにはありますが。)
納得のいく説明と感じさせるには、「式展開の前後で何をしたか」をいちいち言葉で説明する方が良かったのではないでしょうか?
例えば「第2章」の中で「合成関数の微分」があり、この中で「累乗の法則」部分を説明もなく展開していますが、累乗の法則の説明は「第5章」に入ってからになっています。
前書きに「巻頭の図の関係線を見るように」とありますが、まさに「第2章」が「第5章」の説明に「一方向」依存しています。なぜこちらの説明を先の章に持ってこなかったのか、という疑問です。
プログラミングを先に学んでいる方にとって、数式の展開は「暗黙の省略が普通にあり、手順の記述にはなっていない」ことに気付くと思います。ようするにどこまで行っても=(イコール)の前後で起きたことの)「行間は読んでね」なのです。習慣が決定的に違います。
プログラムソースの場合は、「計算記述の省略はすなわちエラー」になります。
(イコールで結んだ前後の計算は勝手に推論してやってね、という言語もあるにはありますが。)
納得のいく説明と感じさせるには、「式展開の前後で何をしたか」をいちいち言葉で説明する方が良かったのではないでしょうか?
2019年7月12日に日本でレビュー済み
Amazonで購入
Deep Learning に関する本が沢山出ていますが、「数学はさておいて!」という本が多々あります。
それでは、とても Deep Learning など解るわけがないと思っていました。
とりあえず、「ゼロから作る Deep Learning (斉藤泰毅著)」を読みました。数学もある程度丁寧に説明していて、よかったと思っています。しかし、今少し数学をまとめてあればいいのにと思っているとき、この「最短コースでわかるディープラーニングの数学」に出会い、懐かしい高校1年生から、大学教養数学まで感心するぐらいうまくまとめてあるので、じっくりやり直して見ることが出来ました。pythonにはかなり自信がありますが、私は「データ・サイエンティスト」にはなれません。「AI,Deep Lerarning とはどのようなものか知りたい!」だけです。85才の老人です。
それでは、とても Deep Learning など解るわけがないと思っていました。
とりあえず、「ゼロから作る Deep Learning (斉藤泰毅著)」を読みました。数学もある程度丁寧に説明していて、よかったと思っています。しかし、今少し数学をまとめてあればいいのにと思っているとき、この「最短コースでわかるディープラーニングの数学」に出会い、懐かしい高校1年生から、大学教養数学まで感心するぐらいうまくまとめてあるので、じっくりやり直して見ることが出来ました。pythonにはかなり自信がありますが、私は「データ・サイエンティスト」にはなれません。「AI,Deep Lerarning とはどのようなものか知りたい!」だけです。85才の老人です。
2021年7月16日に日本でレビュー済み
Amazonで購入
入門としてわかりやすくてよい。
機械学習のコーディングというより、データ前処理をするときの考え方に生きてくる気がする。
たまに中学生どころか小学生レベルの誤植やらミスしてるんで著者のgithub確認してから読み始めた方がいい。
(まあ笑えるレベルなんで良いと思います。)
機械学習のコーディングというより、データ前処理をするときの考え方に生きてくる気がする。
たまに中学生どころか小学生レベルの誤植やらミスしてるんで著者のgithub確認してから読み始めた方がいい。
(まあ笑えるレベルなんで良いと思います。)
2019年7月7日に日本でレビュー済み
Amazonで購入
ディープラーニングのオンラインのコースを受けた際に、中身がどうなっているのかを知りたくなり手に取りました。
内容は、ディープラーニングの基礎となる、微分積分や確率の説明から始まり、前に説明された公式や考え方を何度も引用することにより少しづつステップアップして理解を深めていく形式になっており、参照しやすく番号が振ってあります。Jupyter notebook で動かせるコードと連動しているので、パラメータを自分でいじって動作を確認しながら進めました。知らない公式はGoogle先生で調べたり、横道にそれて読み進めたので、時間がかかりましたがこの本を取っ掛かりとして、ディープラーニングの考え方が理解できたような気がします。
Kindle本を買ったのは失敗でした。本の構成は各ページや公式が参照しやすく書かれているのに、電子書籍だとそれが難しい。
ちなみに、同僚もこの本を読んでいて、付箋をたくさん付けてページを前後しながら読んだので紙で買うべきという意見は同意でした。
単なる数学本ではなく、ディープラーニングの考え方を理解するために数学の公式を説明する、内容はちょっとハードな本ですが、知的好奇心をくすぐる良書だと思います。最後の章でさらっとディープラーニングの方式の違いや復習がまとめられており、わかった気にさせてくれます。
内容は、ディープラーニングの基礎となる、微分積分や確率の説明から始まり、前に説明された公式や考え方を何度も引用することにより少しづつステップアップして理解を深めていく形式になっており、参照しやすく番号が振ってあります。Jupyter notebook で動かせるコードと連動しているので、パラメータを自分でいじって動作を確認しながら進めました。知らない公式はGoogle先生で調べたり、横道にそれて読み進めたので、時間がかかりましたがこの本を取っ掛かりとして、ディープラーニングの考え方が理解できたような気がします。
Kindle本を買ったのは失敗でした。本の構成は各ページや公式が参照しやすく書かれているのに、電子書籍だとそれが難しい。
ちなみに、同僚もこの本を読んでいて、付箋をたくさん付けてページを前後しながら読んだので紙で買うべきという意見は同意でした。
単なる数学本ではなく、ディープラーニングの考え方を理解するために数学の公式を説明する、内容はちょっとハードな本ですが、知的好奇心をくすぐる良書だと思います。最後の章でさらっとディープラーニングの方式の違いや復習がまとめられており、わかった気にさせてくれます。
2020年9月28日に日本でレビュー済み
Amazonで購入
シンプルな機械学習モデルであれば、Scikit-learnを使えば数行のコードで作れる。しかし、その仕組みがわからずブラックボックスにしたままで本当に機械学習モデルを使いこなしていると言えるだろうか?この本は機械学習モデルがどのように作られているのか理解できるよう非常にうまく構成されている。私は海外のオンラインコースではじめて機械学習のプログラミングに触れたが、勾配降下法の数学的な説明はOut of scopeとして扱われモヤモヤしていた。そんなときにこの本に出合った。高校の時は数学の時間は睡眠時間と決めていたほどの文系人間の私でも内容がスッと頭に入り、頭が良くなったかと錯覚するほど。おすすめとしては、とりあえず細かな仕組みの理解は脇に置いておいて、Pythonによる回帰と分類の基礎的モデルの作り方を学習してからこの本を読むことです。
2022年3月15日に日本でレビュー済み
Amazonで購入
いや、ある程度の基礎は必要だと思うが、さすがに本の半分以上が高校の数学だと流石に金返せと言いたくなる。
なぜ必要かということも、それが実際にはAIでどういう役に立つのかのかも示されてはいるが、デープラーニングの数学と、微分積分、対数関数指数関数、ベクトルと行列、確率統計と言った高校の数学はイコールではない。
レベルの低い学生がほとんどの大学の教科書には重宝しそうだが。
なぜ必要かということも、それが実際にはAIでどういう役に立つのかのかも示されてはいるが、デープラーニングの数学と、微分積分、対数関数指数関数、ベクトルと行列、確率統計と言った高校の数学はイコールではない。
レベルの低い学生がほとんどの大学の教科書には重宝しそうだが。
2021年11月10日に日本でレビュー済み
Amazonで購入
前提としてpython知らないと途中から完全に置いていかれます。numpyとMatplotlibも知っておくべきでしょう。
私はpython知ってるけど高校数学はほとんど忘れてる状態で読みました。
途中数学的に理解できないところは検索しながらなんとか読み切ることができました。本だけでの完結は無理でした。
読んでる間、常に頭に浮かんでいた感想は『この数式マジで全部覚えるの?』でした。実際使う公式や計算と、知識として知っておいてねの境目が欲しかったです。
あと、10章読んでるときに4章の公式を番号で参照させるのは読みづらいので、多少紙面を割いてでも再掲してほしかった。
本の内容として、理解できれば機械学習の用語と数学的な意味が結びつくのは確かです。
最短コースだから仕方ないのかもしれませんが、数学的に完全に理解するには他の書籍やネットで情報補完する必要があると思います。
私はpython知ってるけど高校数学はほとんど忘れてる状態で読みました。
途中数学的に理解できないところは検索しながらなんとか読み切ることができました。本だけでの完結は無理でした。
読んでる間、常に頭に浮かんでいた感想は『この数式マジで全部覚えるの?』でした。実際使う公式や計算と、知識として知っておいてねの境目が欲しかったです。
あと、10章読んでるときに4章の公式を番号で参照させるのは読みづらいので、多少紙面を割いてでも再掲してほしかった。
本の内容として、理解できれば機械学習の用語と数学的な意味が結びつくのは確かです。
最短コースだから仕方ないのかもしれませんが、数学的に完全に理解するには他の書籍やネットで情報補完する必要があると思います。