ポイント: 37pt (1%) 詳細はこちら

無料配送: 7月27日火曜日 詳細を見る

最も早いお届け日: 本日
6 時間 2 分以内に注文した場合. 詳細を見る

在庫あり。在庫状況について

出荷元	Amazon.co.jp
販売元	Amazon.co.jp

詳細はこちら

出荷元

Amazon.co.jp

販売元

Amazon.co.jp

ギフトの設定

無料配送: 7月27日 - 29日 詳細を見る

中古商品: 非常に良い | 詳細

発売元買取王子前後店

シェアする

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。

56点すべてのイメージを見る

著者をフォロー

斎藤康毅

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

斎藤康毅 (著)

456個の評価

すべての形式と版を表示

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。"

￥3,740

￥2,851

単行本（ソフトカバー）
￥3,740
獲得ポイント: 37pt

￥2,851 より 46 中古品￥3,740 より 21 新品￥7,607 より 1 コレクター商品

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。

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-10

4873117585
ISBN-13

978-4873117584
すべての詳細を表示

よく一緒に購入されている商品

+
+

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

一緒に購入する商品を選択してください。

- 斎藤康毅単行本（ソフトカバー）
￥3,740
37ポイント(1%)
在庫あり。
この商品は、Amazon.co.jpが販売および発送します。
送料: ￥510
- 斎藤康毅単行本（ソフトカバー）
￥3,960
40ポイント(1%)
在庫あり。
この商品は、Amazon.co.jpが販売および発送します。
送料: ￥510
- 斎藤康毅単行本（ソフトカバー）
￥4,400
44ポイント(1%)
在庫あり。
この商品は、Amazon.co.jpが販売および発送します。
送料: ￥510

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

斎藤康毅
116
単行本（ソフトカバー）
- カテゴリ情報学・情報科学全般関連書籍
45個の商品：￥3,090から
斎藤康毅
79
単行本（ソフトカバー）
29個の商品：￥3,900から
Andreas C. Muller
134
単行本（ソフトカバー）
59個の商品：￥2,978から
Sebastian Raschka
41
単行本（ソフトカバー）
38個の商品：￥4,199から
スキルアップAI株式会社小縣信也
2
単行本（ソフトカバー）
26個の商品：￥6,050から
Aurélien Géron
29
単行本（ソフトカバー）
33個の商品：￥5,280から

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。

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。

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、Get your Kindle here 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: - 691位本 (の売れ筋ランキングを見る本)
- - 2位ソフトウェア開発・言語
- - 4位人工知能
- - 5位プログラミング入門書

カスタマーレビュー:
456個の評価

この商品を買った人はこんな商品も買っています

ページ: 1 / 1 最初に戻るページ: 1 / 1

カスタマーレビュー

星5つ		65%
星4つ		18%
星3つ		10%
星2つ		3%
星1つ		3%

評価はどのように計算されますか?

この商品をレビュー

カスタマーレビューを書く

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。

かなえるゾウ

圧倒的にわかりやすい

2018年5月22日に日本でレビュー済み

Amazonで購入

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。

89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

slowLearner

プログラミング初心者でも大丈夫

2018年6月12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。

174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

Enomori

DeepLearningの入門書として最適な一冊

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．

40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

あやか

完成度が高い本です。

2017年11月2日に日本でレビュー済み

Amazonで購入

名前とおりゼロからpython及びDeep Learningを学べる本です。
理論をわかりやすく説明しているだけではなく、コードも充実しています。
それを達成するために、著者は相当な工夫をしていると感じています。

35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

AmazonCustomer

とても分かりやすい

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）。

11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

mk

実践できなくてもある程度は理解できる

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

14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

moz

ノンプログラマーなのに買ってしまった。

2019年4月24日に日本でレビュー済み

Amazonで購入

Pythonはもとより、プログラミングなんて全く出来ません。
それでも「人工知能スゲー」という動機で、本書に手を出してしまいました。

冒頭からディープラーニングに最低限必要な、関数やら言語、数理的な理屈を駆け足で説明してくれます。
そのため、当然一読しただけではワケ分からないまま、本書は棚に置かれてしまいました。

そしてPythonに関する書籍を何冊か手にして、実際にコードを書いているうちに、改めて本書のスゴさが分かってきます。
数学的な記述はほとんど飛ばし読みになっておりますが、それでも何となくコードが思い通りの結果になってきました。

別に「AI作ってやる！」という、無謀な野望など持ち合わせてはおりません。
ただ、本書にて実際に手を動かし、その断片に触れるだけでも興奮しちゃいますね。

とはいえ、まだ4章でポカーンとしてしまう部分を攻略中なワケですが……

9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

ゆでたま

やはり名著

2018年8月24日に日本でレビュー済み

Amazonで購入

計算グラフを用いてBack Propagationを説明しているところは、数学に不慣れな人でこれからDeepLearningを学ぶものは必ず目を通しておいた方がよいと思えるほど良い内容でした。

数式は正しく理解するためにいいのはわかっているが、とっつきにくいのが難点です。ただ本書では計算グラフという表現で正しく理論的に学べる、かつ、視覚的にわかりやすく書いているのでお勧めです。

12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

同様の商品をご覧になりませんか？こちらのリンクで参照ください。ruby

Amazon Advertising 商品の露出でお客様の関心と反応を引き出す	Audible（オーディブル）本は、聴こう。最初の1冊は無料	アマゾンウェブサービス（AWS）クラウドコンピューティングサービス	Amazonアウトレット訳あり商品をお手頃価格で販売	Amazonビジネス（法人購買）請求書払い法人価格・数量割引

AmazonGlobal 65か国/地域以上への海外配送がより簡単に	Book Depository 送料無料で世界中にお届け	Shopbop 世界中の厳選されたファッションアイテム	Amazon Second Chance 譲ったり、下取りに出したりして有効活用。

著者をフォロー

おすすめの著者

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

よく一緒に購入されている商品

この商品を見た後に買っているのは？