通常配送無料 詳細
在庫あり。 在庫状況について
この商品は、Amazon.co.jp が販売、発送します。 ギフトラッピングを利用できます。
ゼロから作るDeep Learning ―Pyth... がカートに入りました
+ ¥ 257 関東への配送料
コンディション: 中古品: 良い
コメント: ◇◆配送:主にゆうメールによるポスト投函です◆当日もしくは翌々日までに発送いたします◆梱包:完全密封のビニール包装または宅配専用パックにてお届けいたします。◆商品:アマゾン専用在庫商品です。除菌クリーニング済◆◇
この商品をお持ちですか? マーケットプレイスに出品する
裏表紙を表示 表紙を表示
サンプルを聴く 再生中... 一時停止   Audible オーディオエディションのサンプルをお聴きいただいています。
55点すべてのイメージを見る

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 単行本(ソフトカバー) – 2016/9/24

5つ星のうち 4.7 39件のカスタマーレビュー

その他()の形式およびエディションを表示する 他のフォーマットおよびエディションを非表示にする
Amazon 価格
新品 中古品
単行本(ソフトカバー)
"もう一度試してください。"
¥ 3,672
¥ 3,200 ¥ 3,150

AmazonStudent

Amazon Student会員なら、この商品は+10%Amazonポイント還元(Amazonマーケットプレイスでのご注文は対象外)。

click to open popover

キャンペーンおよび追加情報


よく一緒に購入されている商品

  • 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
  • +
  • 入門 Python 3
  • +
  • Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)
総額: ¥11,988
ポイントの合計: 361pt (3%)
選択された商品をまとめて購入

Kindle 端末は必要ありません。無料 Kindle アプリのいずれかをダウンロードすると、スマートフォン、タブレットPCで Kindle 本をお読みいただけます。

  • Apple
  • Android
  • Android

無料アプリを入手するには、Eメールアドレスを入力してください。



【Amazon Global】OTAKU Store
Figures, Video Games, Blu-ray, DVD and Music of Japanese Anime, Games and Pop Culture Shop now

商品の説明

内容紹介

ディープラーニングの本格的な入門書。外部のライブラリに頼らずに、Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学びます。
ディープラーニングやニューラルネットワークの基礎だけでなく、誤差逆伝播法や畳み込みニューラルネットワークなども実装レベルで理解できます。
ハイパーパラメータの決め方や重みの初期値といった実践的なテクニック、Batch NormalizationやDropout、Adamといった最近のトレンド、自動運転や画像生成、強化学習などの応用例、さらには、なぜディープラーニングは優れているのか?なぜ層を深くすると認識精度がよくなるのか?といった“Why"に関する問題も取り上げます。

出版社からのコメント

■本書「まえがき」より

本書は「ディープラーニング」についての本です。ディープラーニングを理解するために必要な知識を、初歩的なことから一つひとつ積み重ねながら説明していきます。ディープラーニングとは何なのか、どういう特徴があるのか、どういう原理で動作しているのか、といったことをできるだけ平坦な言葉で説明します。ただし、技術の概要だけを説明するのではなく、一歩踏み込んでより深く理解してもらうことを目的としています。そこが本書の特徴のひとつです。

では、ディープラーニングについて、“より深く"理解するにはどうしたらよいでしょうか? 筆者が考えるに、そのための最も良い方法は、実際に作ってみることです。実際に動くプログラムをゼロから作り、ソースコードを読みながら考える――そのような作業が、ディープラーニングを(さらに言えば、高度に見える何らかの技術を)正しく理解する上で重要だと筆者は信じて疑いません。ここで、「ゼロから」という言葉を用いましたが、それはできるだけ外部の既成品(ライブラリやツールなど)には頼らないということを意味します。つまり、本書が目標とすることは、中身の分からないブラックボックスは極力使わずに、自分が理解できる最低限の知識から出発し、最先端のディープラーニングを作り上げることを目指すことなのです。そして、その作るという過程を通して、ディープラーニングについてより深く理解してもらいたいと思っています。

商品の説明をすべて表示する

登録情報

  • 単行本(ソフトカバー): 320ページ
  • 出版社: オライリージャパン (2016/9/24)
  • 言語: 日本語
  • ISBN-10: 4873117585
  • ISBN-13: 978-4873117584
  • 発売日: 2016/9/24
  • 商品パッケージの寸法: 21 x 15 x 2 cm
  • おすすめ度: 5つ星のうち 4.7 39件のカスタマーレビュー
  • Amazon 売れ筋ランキング: 本 - 56位 (本の売れ筋ランキングを見る)
  •  カタログ情報を更新する画像についてフィードバックを提供する、または さらに安い価格について知らせる

  • 目次を見る

この商品を見た後に買っているのは?

カスタマーレビュー

トップカスタマーレビュー

形式: 単行本(ソフトカバー)
PyCon 2016の先行発売で購入しました。8-10月に集中的に深層学習の本が次々と発売される中、フレームワークを用いずに、深層学習のエッセンスを理解できる良書だと思います。理論面とコードによる実装のバランスが良く、また図解もわかりやすく、スラスラと読み進められました。
新しく入社される方に読んでもらうのに最適だと思われます。応用編も期待したいです。
コメント 75人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告
形式: 単行本(ソフトカバー)
エンジニアでPythonが専門です。という前提でレビューさせていただきます。ニューラルネットワークに関しては知識ゼロで読み始めました。
端的に言って非常に良書です。以下良かったところを端的に。
まず、コード自体が平易で読みやすいです。おそらく他の言語を触ったことのある方ならさくさく読むだけでやりたいことがわかると思います。もう少しスマートに書けそうだなと思うところはありますが、あくまでディープラーニングの導入書としての位置づけを考えれば文句はありません。
何と言っても本書の魅力は豊富な図解と明瞭な説明です。多くの数式は出てきますがおおよそ高校数学程度が分かれば(分からないところは都度調べられる程度なので)対象者はかなり幅広いです。ベクトル解析や微分積分の基礎的な知識があるとより分かりやすいですが、必須ではないです。ベクトルや偏微分の計算手順から追って話してくれます。
パーセプトロンの概念から始まり、ニューラルネットワーク、畳み込み、ディープラーニングと順を追って説明されていきます。はじめは見知らぬ用語に面食らうかもしれませんが、必要に応じて再度解説も入りますし、読み返すにも要点が掴みやすく、とにかく丁寧に作られた本だという印象を受けます。
一つ一つサラリと書かれていますが内容的には歯ごたえがあり、みなさんが仰るほどかんたんな内容とい
...続きを読む ›
コメント 41人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告
形式: 単行本(ソフトカバー) Amazonで購入
物凄い勢いで売れているようですが納得です。
高校数学が怪しい私にでも 「偏微分の意味」 を説明して理解させてくれます。
数式を読み飛ばして、ななめ読みしても理屈がなんとなく解ってしまいます。

なので、理系の方が例題通りプログラミングすれば相当のレベルでニューラルネットを理解する事になるでしょう。
名著というほかないです。

それにしても著者は企業人らしいのですが、何とも言葉を失います。
コメント 56人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告
形式: 単行本(ソフトカバー)
一般にどんなにやさしいとかかれた深層学習の本でもやはり素人には難しいものです。また、データ分析に長い経験を積んだ人にとっても決してやさしい問題ではありません。
なるべく多くのデータが必要なこと。
演算には強力なコンピューターが必要なこと。
データの前処理が重要であること。
日進月歩が激しく、学習の意欲がそのスピードについていけないことなど、
深層学習を理解するのは難しいのだという理由はいくらでも考えられます。そこで必要なのが本書のように1から説明してくれる本です。それでもいろいろ意味がつかみ難いところがあります。

3章ではステップ関数、シグモイド関数、ReLU関数などが出てきますが、データの分布と活性化関数の関係が説明されていないので、すくなくともこの時点で引数の分布について書いてくれいるとわかりやすかったかなと思います。しかしそれは6章で説明されます。
4章までは一応スムースに読めるのではないでしょうか?ディープラーニングでは勾配法とか数値微分を用いることが一般的で、テーラー展開を用いたニュートン法などは用いないようです。なぜ数値微分、勾配法がいいのかについての説明はありません。また、ニュートン法では誤差が必要以上に小さくなると施行を終了しますが、勾配法では一定の回数が施行されるのが一般的です。その
...続きを読む ›
コメント 5人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告
形式: 単行本(ソフトカバー) Amazonで購入
人の脳神経回路の仕組みを模したニューラルネットワークをどのように実装して、どのように学習させていくべきかを絵図数式、さらにはPython3による実装で解説してくれている。
コンピュータが一見曖昧で判定基準の定義が難しい事象(主に絵図記号)などを、どのようなプロセスを経て学習していくのかを本書を読めばイメージできるようになると思う。
個人的にコンピュータの学習過程において、CNNの畳み込み層で画像データを3次元形状(縦、横、チャンネル[R,G,Bなど])を残したままそのまま取り込み加工し、プーリング層にて微小な位置変化に対してロバスト(頑健:データの入力値のズレを吸収)することで、様々な画像パターンで傾向が蓄積学習され、画像データをクラス分け(人を分類、顔を認識)などに繋がる学習テクノロジの一環になるのかなと、非常に勉強になりました。
現時点(2016年)で、関連する研究機関や業務、海外の論文を入手翻訳できる環境でないとなかなか知ることの出来ない手の内を、一般に向け執筆してくれた事に敬意を送りたい。ディープラーニングに興味を持つ足がかりになる一冊。

記載概要メモは以下の通りです。

---------------------------------------
1.Python入門
...続きを読む ›
コメント 32人のお客様がこれが役に立ったと考えています. このレビューは参考になりましたか? はい いいえ 評価を送る...
フィードバックありがとうございました。
申し訳ありませんが、お客様の投票の記録に失敗しました。もう一度試してください。
違反を報告

最近のカスタマーレビュー



フィードバック