本書の特徴は、何と言っても「ゼロから作る」という名のとおり、ライブラリーに頼らず、各処理の内容をステップ・バイ・ステップで説明しているところだと思う。
ただし、一旦、概要が理解できるようになると、このようなボトムアップの説明よりも、むしろトップダウン的に、まず最初にニューラルネットワーク全体を示し、必要に応じて、詳細に入っていく資料の方がわかりやすい。
そういう意味では、ディープラーニングによるニューラルネットワークを分類すると、
1) 教師あり学習
a) 全結合(Affine)
b) 畳み込み(Convolution)
2) 教師なし学習(強化学習)(Deep Q-Network(DQN))
以上の分類では、本書では、「教師なし学習」は扱っていないし、「畳み込み」についても、実施例はほとんど画像処理であるにしては、アルゴリズムの説明は少し簡略化されてすぎているような印象を受ける。
本書でDeep Learningを学んで感じたことは、Deep Learningでよく論じられる「過学習」や「勾配消失」などの課題に対する対策のほとんどは、理論的というよりは、むしろ‘職人’的な経験則に裏付けられたものが多い。
そういう意味で、今後このニューラルネットワークがどのように進化していくのか(例えば、GoogLe Netの「インセプション構造」やRes Netの「スキップ構造」など)、気になるところだ。
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

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 。詳細はこちら
Kindle Cloud Readerを使い、ブラウザですぐに読むことができます。
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。
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
購入を強化する
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。
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。
- 本の長さ320ページ
- 言語日本語
- 出版社オライリージャパン
- 発売日2016/9/24
- 寸法21 x 15 x 2 cm
- ISBN-104873117585
- ISBN-13978-4873117584
この商品を見た後に買っているのは?
ページ: 1 / 1 最初に戻るページ: 1 / 1
商品の説明
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やさしい言葉で説明します。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。
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やさしい言葉で説明します。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。
内容(「BOOK」データベースより)
作って学ぶ。手で覚える。ディープラーニングを理解するための最善の方法は、ディープラーニングをゼロから実装することです。
著者について
斎藤 康毅(さいとう こうき):1984年長崎県対馬生まれ。東京工業大学工学部卒、東京大学大学院学際情報学府修士課程修了。現在、企業にて、コンピュータビジョンや機械学習に関する研究開発に従事。翻訳書に『実践 Python 3』『コンピュータシステムの理論と実装』『実践 機械学習システム』(以上、オライリー・ジャパン)などがある。
著者略歴 (「BOOK著者紹介情報」より)
斎藤/康毅
1984年長崎県対馬生まれ。東京工業大学工学部卒、東京大学大学院学際情報学府修士課程修了。現在、企業にて、コンピュータビジョンや機械学習に関する研究開発に従事(本データはこの書籍が刊行された当時に掲載されていたものです)
1984年長崎県対馬生まれ。東京工業大学工学部卒、東京大学大学院学際情報学府修士課程修了。現在、企業にて、コンピュータビジョンや機械学習に関する研究開発に従事(本データはこの書籍が刊行された当時に掲載されていたものです)
Kindle化リクエスト
このタイトルのKindle化をご希望の場合、こちらをクリックしてください。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
このタイトルのKindle化をご希望の場合、こちらをクリックしてください。
Kindle をお持ちでない場合、こちらから購入いただけます。 Kindle 無料アプリのダウンロードはこちら。
登録情報
- 出版社 : オライリージャパン (2016/9/24)
- 発売日 : 2016/9/24
- 言語 : 日本語
- 単行本(ソフトカバー) : 320ページ
- ISBN-10 : 4873117585
- ISBN-13 : 978-4873117584
- 寸法 : 21 x 15 x 2 cm
- Amazon 売れ筋ランキング: - 882位本 (の売れ筋ランキングを見る本)
- - 1位人工知能
- - 8位プログラミング入門書
- - 9位ソフトウェア開発・言語
- 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。

1984年長崎県対馬市生まれ。東京工業大学卒、東京大学大学院修士課程修了。現在は、株式会社Preferred Networksにて人工知能に関する研究開発に従事。
2017年ITエンジニア本大賞(技術書部門大賞)、2019年ITエンジニア本大賞(審査員特別賞)受賞。
著書に『ゼロから作る Deep Learning』シリーズ、翻訳書に『コンピュータシステムの理論と実装』『実践機械学習システム』『実践 Python 3』(以上、オライリー・ジャパン)などがある。
カスタマーレビュー
5つ星のうち4.3
星5つ中の4.3
658 件のグローバル評価
評価はどのように計算されますか?
全体的な星の評価と星ごとの割合の内訳を計算するために、単純な平均は使用されません。その代わり、レビューの日時がどれだけ新しいかや、レビューアーがAmazonで商品を購入したかどうかなどが考慮されます。また、レビューを分析して信頼性が検証されます。
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。
2018年5月22日に日本でレビュー済み
違反を報告する
Amazonで購入
102人のお客様がこれが役に立ったと考えています
役に立った
2018年6月11日に日本でレビュー済み
Amazonで購入
多くの方が絶賛していますがまさに同感です。特に非エンジニアの方におすすめです。非エンジニアがAIや深層学習の勉強をする場合、CNNとかRNNとかの言葉の暗記や抽象的な例え話で理解し、実際の動作原理の話は棚上げにしがちです。でも「実際のところ、中身はどういう仕組みになってるの?」という気持ち悪さは残ってしまいます。この本ではまさにそうした気持ち悪さを解消できます。パーセプトロンの説明から始まり、自分の手で作りながら仕組みを理解できます。
つまずく要因があるとすれば数学とPythonです。おすすめの読み方としてはまず「統計学が最強の学問である 数学編」を通読してからこの本に進むと、偏微分など数学記号や尤度関数などでひっかかることなく、ストレスなく読み進むことができます。Pythonに馴染みのない人は「いちばんやさしいPythonの教本」(これは本当にやさしいのでほとんどの人がほぼ脱落せずに終えられるはず)を一通り終えてから取り組むと、コードに親しんだ状態でスタートできるのでおすすめです。
DLのポイントである誤差逆伝播についても計算グラフを使ってしっかり丁寧に書かれていて、順を追って読むと理解できると思います。難しい解説書を読んで、またこれに戻って、という使い方も良いですね。
RNNなど本書から漏れた内容を扱った続編が予定されています。このクオリティの解説でコードを追いながら読むのが楽しみです。
つまずく要因があるとすれば数学とPythonです。おすすめの読み方としてはまず「統計学が最強の学問である 数学編」を通読してからこの本に進むと、偏微分など数学記号や尤度関数などでひっかかることなく、ストレスなく読み進むことができます。Pythonに馴染みのない人は「いちばんやさしいPythonの教本」(これは本当にやさしいのでほとんどの人がほぼ脱落せずに終えられるはず)を一通り終えてから取り組むと、コードに親しんだ状態でスタートできるのでおすすめです。
DLのポイントである誤差逆伝播についても計算グラフを使ってしっかり丁寧に書かれていて、順を追って読むと理解できると思います。難しい解説書を読んで、またこれに戻って、という使い方も良いですね。
RNNなど本書から漏れた内容を扱った続編が予定されています。このクオリティの解説でコードを追いながら読むのが楽しみです。
2021年1月21日に日本でレビュー済み
Amazonで購入
韓国人のひとですので文法的に違いがあるかもしれません。ご了承ください
この本を読む前にはパイソンに関して全く知識のない人でしたが、
パイソンをわからなくても読める本らしくて入門用として買いました。
それ以外にもディープラーニングに興味がありまして。
1~2章までは基礎を学ぶので分かりやすくて読むのが楽しかったですが、
3章からは様々な関数を触れるんですのでここから難しくなります。
またパイソンの class、 axis などのコマンドの説明がしょっぱくて
コードの意味が全然分からない事も多いし、
プログラミング以外にも指数関数、シグマ、ログ、微分などの数学的な知識も必要ですので
中、高校生の方にはおすすめできないかも。
ですので誰のための本なのか、と言うと
パイソンの経験があるがディープラーニングを触れたい方におすすめできると考えます。
もちろん、私みたいにパイソンをわからなくても
わからない部分があればインターネット検索などである程度理解できるかもしれません(完全ではないです)
長文失礼しました。
この本を読む前にはパイソンに関して全く知識のない人でしたが、
パイソンをわからなくても読める本らしくて入門用として買いました。
それ以外にもディープラーニングに興味がありまして。
1~2章までは基礎を学ぶので分かりやすくて読むのが楽しかったですが、
3章からは様々な関数を触れるんですのでここから難しくなります。
またパイソンの class、 axis などのコマンドの説明がしょっぱくて
コードの意味が全然分からない事も多いし、
プログラミング以外にも指数関数、シグマ、ログ、微分などの数学的な知識も必要ですので
中、高校生の方にはおすすめできないかも。
ですので誰のための本なのか、と言うと
パイソンの経験があるがディープラーニングを触れたい方におすすめできると考えます。
もちろん、私みたいにパイソンをわからなくても
わからない部分があればインターネット検索などである程度理解できるかもしれません(完全ではないです)
長文失礼しました。
2018年9月24日に日本でレビュー済み
Amazonで購入
近年多大な功績を挙げ一躍有名になったDeepLearningについて,ライブラリ等の既成のフレームワーク等にはなるべく頼らず一から説明していこうというのが本書の趣旨になります.
問題の解決方法についてのHowTo本ではありません.なので,あなたが何かDeepLearningで解決したい問題があった場合,おそらく更に別な本で詳細を学んだり,ライブラリについて学ぶ必要が出てくると思います.
しかし,何事も基礎というものは最も重要であり,本書はDeepLearningの仕組みについて詳しくない人達へ向けた最良の入門書となっていると感じました.
基本的な実装から「なぜDeepLearningが動作するのか」という根本の部分が見えてきます.
私は将来的に機械学習の中でも「強化学習」というジャンルに分類される問題を解きたいと思い本書を手に取りました.
本書は主に「教師あり学習」という問題を題材にしており,中でも特に「クラス分類」問題について詳述しております.「教師なし学習」や「強化学習」の問題については巻末の僅かな紹介に留まるのみです.
ですから,「何百枚もある(教師データ付きの)画像を何種類かにカテゴライズしたい」といった問題を考えている方以外にとっては本書の内容は即実践に移せるというものではありません.
しかし,私は本書で学習を進めて良かったと感じております.
というのも,「教師なし学習」や「強化学習」といった問題は「教師あり学習」で用いるDeepLearningと同様の原理を用いながら,それを更に発展させたものである場合が多く,その基礎を学ぶことには大いに意義があると感じたからです.
DeepLearningの理解には数式での理解がほぼ必須ではありますが,本書はそれを図を用いるなどして出来るだけ分かりやすく解説してくれています.
入門の一冊として非常におすすめ出来ます.
問題の解決方法についてのHowTo本ではありません.なので,あなたが何かDeepLearningで解決したい問題があった場合,おそらく更に別な本で詳細を学んだり,ライブラリについて学ぶ必要が出てくると思います.
しかし,何事も基礎というものは最も重要であり,本書はDeepLearningの仕組みについて詳しくない人達へ向けた最良の入門書となっていると感じました.
基本的な実装から「なぜDeepLearningが動作するのか」という根本の部分が見えてきます.
私は将来的に機械学習の中でも「強化学習」というジャンルに分類される問題を解きたいと思い本書を手に取りました.
本書は主に「教師あり学習」という問題を題材にしており,中でも特に「クラス分類」問題について詳述しております.「教師なし学習」や「強化学習」の問題については巻末の僅かな紹介に留まるのみです.
ですから,「何百枚もある(教師データ付きの)画像を何種類かにカテゴライズしたい」といった問題を考えている方以外にとっては本書の内容は即実践に移せるというものではありません.
しかし,私は本書で学習を進めて良かったと感じております.
というのも,「教師なし学習」や「強化学習」といった問題は「教師あり学習」で用いるDeepLearningと同様の原理を用いながら,それを更に発展させたものである場合が多く,その基礎を学ぶことには大いに意義があると感じたからです.
DeepLearningの理解には数式での理解がほぼ必須ではありますが,本書はそれを図を用いるなどして出来るだけ分かりやすく解説してくれています.
入門の一冊として非常におすすめ出来ます.
2021年10月29日に日本でレビュー済み
Amazonで購入
中盤まで読んで「?」ってなってはじめに戻る、を二回くらいやってp111でようやく気づく。
あ、この人プログラミング下手だわ。
数式や文章はすんごく解りやすいのにコード読むとわけわからなくなるのは多分読者のせいじゃありません。
勾配計算で一番大事な±⊿hした値を「ダミーです」と言っていきなり捨てる。
実はオブジェクトのメンバ変数を非メンバ関数に参照渡ししているので内部で変更されて勾配が計算できる。
その辺りの説明なしにこの処理はその後使いまわされる。
ことほど左様にこの本のコードにはアンチパターンが散見されます。
コードの説明に関しては、前提とか、なぜこれを使うのか、についての説明欲しいな、と思うところもあり、なので、他の情報系書籍の様に「色々?だったけどコード読めば分かる」なんてことは無いです。むしろ逆になってます。
その辺りを意識しながら読めばよろしいかと思います。
プログラミング経験者で機械学習初心者は「コードは自分の弟子が書いている」くらいの意識で読むのが良いと思います。
追記:初版9刷に対するレビューです、2017年に購入し、何度も迷子になり、ようやく迷子の原因が分かったのでこのレビューを書いた次第です。
現在の版でこの辺りが変わったかどうかは分かりません。
あ、この人プログラミング下手だわ。
数式や文章はすんごく解りやすいのにコード読むとわけわからなくなるのは多分読者のせいじゃありません。
勾配計算で一番大事な±⊿hした値を「ダミーです」と言っていきなり捨てる。
実はオブジェクトのメンバ変数を非メンバ関数に参照渡ししているので内部で変更されて勾配が計算できる。
その辺りの説明なしにこの処理はその後使いまわされる。
ことほど左様にこの本のコードにはアンチパターンが散見されます。
コードの説明に関しては、前提とか、なぜこれを使うのか、についての説明欲しいな、と思うところもあり、なので、他の情報系書籍の様に「色々?だったけどコード読めば分かる」なんてことは無いです。むしろ逆になってます。
その辺りを意識しながら読めばよろしいかと思います。
プログラミング経験者で機械学習初心者は「コードは自分の弟子が書いている」くらいの意識で読むのが良いと思います。
追記:初版9刷に対するレビューです、2017年に購入し、何度も迷子になり、ようやく迷子の原因が分かったのでこのレビューを書いた次第です。
現在の版でこの辺りが変わったかどうかは分かりません。
2019年5月19日に日本でレビュー済み
Amazonで購入
ニューラルネットワーク関係の本をいくつか読み比べたりしていましたが、評判どおり本書が最も分かりやすかったです。
ディープラーニング用のライブラリを使用するのではなく、計算過程が見えるスタイルで他のプログラミング言語にもすぐに移植できそうな明快さで記述されるスタイルが理解しやすくて良いと感じました。
解説も、ソースコードから数式にグラフや図などが適切に入っています。理解にあたっては、Pythonや線形代数や微分積分の基礎は必要ですが、きちんと初心者向けの解説が書かれているので、本書をきっかけにそれらの分野の入門書に入っていくのもいいかと思います。
強いて欠点を挙げるとすると、誤差逆伝播あたりまでは丁寧に解説されているのですが、畳み込みニューラルネットワークに入った途端にほぼ概略のようなかなり端折り気味な解説になってしまう点でしょうか。最もこれは、本書が悪いというよりもCNN自体が元々複雑すぎて到底入門書で詳しく扱える内容ではないからでしょう。でも、その入り口までは確実に連れて行ってくれる点からしても、かなり良心的な本だと思います。
あとは、最初の方にPythonの処理速度が速いという解説があるのですが、あくまでチューニングされた行列演算などのライブラリが高速なだけで、Python自体はインタープリタなので速度が出るような言語ではない点については、人によっては誤解を与えかねない印象を持ちました(本書で使う範囲では高速に動作しますが)。
ディープラーニング用のライブラリを使用するのではなく、計算過程が見えるスタイルで他のプログラミング言語にもすぐに移植できそうな明快さで記述されるスタイルが理解しやすくて良いと感じました。
解説も、ソースコードから数式にグラフや図などが適切に入っています。理解にあたっては、Pythonや線形代数や微分積分の基礎は必要ですが、きちんと初心者向けの解説が書かれているので、本書をきっかけにそれらの分野の入門書に入っていくのもいいかと思います。
強いて欠点を挙げるとすると、誤差逆伝播あたりまでは丁寧に解説されているのですが、畳み込みニューラルネットワークに入った途端にほぼ概略のようなかなり端折り気味な解説になってしまう点でしょうか。最もこれは、本書が悪いというよりもCNN自体が元々複雑すぎて到底入門書で詳しく扱える内容ではないからでしょう。でも、その入り口までは確実に連れて行ってくれる点からしても、かなり良心的な本だと思います。
あとは、最初の方にPythonの処理速度が速いという解説があるのですが、あくまでチューニングされた行列演算などのライブラリが高速なだけで、Python自体はインタープリタなので速度が出るような言語ではない点については、人によっては誤解を与えかねない印象を持ちました(本書で使う範囲では高速に動作しますが)。
2019年1月21日に日本でレビュー済み
Amazonで購入
Pythonを触ったことがなくてもAIを知らなくてもディープラーニングの仕組みを1から理解できる。むしろ知らない人が実践すると効果が高い。
だが、通勤時間しか本を読めないような人は実践が難しい。そんな人でもこれまでにプログラミングを少しやったことがある人であれば結構理解できる。
できれば、本書の前にAI定番書の「人工知能は人間を超えるか」を読んだうえで本書を読めば、以下が理解できるのでより深くディープラーニングに精通できる。
・機械学習とディープラーニングは何が違うか
・ディープラーニングはいつから存在するのか
・なぜAIが流行したのか
こんなに難しいテーマをここまで分かりやすく書いた著者はすごい
だが、通勤時間しか本を読めないような人は実践が難しい。そんな人でもこれまでにプログラミングを少しやったことがある人であれば結構理解できる。
できれば、本書の前にAI定番書の「人工知能は人間を超えるか」を読んだうえで本書を読めば、以下が理解できるのでより深くディープラーニングに精通できる。
・機械学習とディープラーニングは何が違うか
・ディープラーニングはいつから存在するのか
・なぜAIが流行したのか
こんなに難しいテーマをここまで分かりやすく書いた著者はすごい