Androidアプリストア クリスマスおもちゃ特集 クリスマスに贈りたい本 SOS1216 Amazon MasterCard nav_flyout_biss ファッション Fire 7 ・Fire HD 8 Fire TV おせち特集2018 大掃除特集 DIY・ガーデニング 大掃除特集 Echo Kindle Amazon MP3 ウィンター HITOSHI MATSUMOTO Presents ドキュメンタル シーズン4



2017年12月10日
途中から壁にぶつかりました。
しかし、何れは仕事で必要となる知識、入門には良書のようなので、諦めずに読み進めようと思います。やはり、Pythonの習得が先かな…
0コメント|このレビューは参考になりましたか? 違反を報告
2017年11月2日
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。
0コメント|このレビューは参考になりましたか? 違反を報告
ベスト1000レビュアー2017年11月12日
初めてディープラーニングを学ぶなら申し分ないと思います。
僕も初めて読んだ本です。
0コメント|このレビューは参考になりましたか? 違反を報告
2017年6月13日
わかり易くて良い。理解がし易かった。
読みやすくて良い。いつでもどこでも読めた。
0コメント| 3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? 違反を報告
2017年6月11日
機械学習を大学で学んでいるのですが(理学系)、直接TensorflowやKerasを扱って概念を説明するだけだったので、深い理解に至りませんでした。

機械学習のライブラリを使えば、複雑な処理も数行で済ませることができます。ただ逆に考えると、それは機械学習の内部で行っていることを見ていないことに等しいので(ブラックボックス)、実際何が行われいるかというのは、もっと原理的にNumpy等で書き直すことで理解できます。(そのためには線形代数の理解が必要です。本書ではそれらも説明されています。)

本書では直接Tensorflow等を扱うことはせず、ひたすらNumpyを用いてコードを組んでいきます。ある程度こういったライブラリを使っている方なら、靄が消えていくように理解できることと思います。

一方で機械学習を初めての方は、このやり方では全体像が見えにくいと思うので、MNIST for beginnersをとりあえず適当にやってみてから本書を読み進めると、チュートリアルのコードの一つ一つの意味がわかると思います。
0コメント| 6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? 違反を報告
2017年7月17日
本書はタイトルの通り、フレームワークを使わずにPythonを使ってディープラーニングを作りながら学ぶと言う形を取っています。
前書きにある様に、コードのブラックボックス化を避けるために出来るだけ既存の外部ライブラリを使わないと言う方針ですが、グラフ描画のMatplotlibは仕方が無いとしても、ディープラーニングで多用される行列演算にはNumPyが思いっきり使われています。
さらには、NumPyが持つ特徴を活用したテクニックなども使われています。
この辺はNumPyに依存してしまうので、ブラックボックス化を防ぐ為に出来るだけ既存の外部ライブラリを使わない、そしてゼロから作ると言うコンセプトからやや外れている気がします。
出来れば行列の演算もPytho標準の機能とライブラリだけを使って自前で用意し、その上で、NumPy版を「NumPyの機能を活用するとこういう風にシンプルに作れる」と言う比較用として別サンプルで用意した方が良かったと思います。

とは言え、1章で簡単にですがPytonの文法やNumPyによる行列の計算方法、Matplotlibの使い方について、実際に動かしながら確認できるように配慮されています。
その後の章でも必要に応じて行列の計算についての解説とサンプルもありますので、他言語でディープラーニングを構築したいと考えて居る方でもある程度は何とかなると思われます。
(もっとも、インストール時点で最新のLinux版 AnacondaのMatplotlibで確認したところ、動きが変でしたが)

学習の流れですが、まずは基本となるパーセプトロンによる論理回路の原理と実装。そして限界(XOR問題)と解法(多層パーセプトロン)を試しながら学びます。
そして、多層パーセプトロンと(中間層を持つ)ニューラルネットワークの違いについて順を追って学んでいく事になります。
ニューラルネットワークについては、手書き文字認識を例題に、学習に重要な概念である順方向伝搬、損失関数、高速化のためのミニバッチ処理と説明は進んでいきます。
そして、ニューラルネットワークの学習に「認識精度を指標にしてはいけない」と言う事を学びます。そこで勾配法と言う手法が登場します。
その後、誤差逆伝搬法(バックプロパゲーション)、学習の為の最適化や重みの初期値など、かなり実践的な内容が説明されます。
本書では、それらについて通り一遍の原理の紹介で終わらずに、それらの手法は一つでは無く複数あり、それぞれ特徴があると言う事を学べます。

そして、7章でCNN(畳み込み式ニューラルネットワーク)について学びますが、本書ではCNNについてかなり詳しく、そして詳細に説明されています。
最後に8章でさらなる画像認識精度の向上のためにCNNのやや深層化(ディープラーニング)について学びます。
オマケ的にディープラーニングの高速化や実用例、強化学習についても簡単に紹介されて居ます。

本書は単なる実装本では無く、原理から実践的な技法まで詳しく説明されて居ます。
プログラミング言語としてPythonが使われてはいますが、サブタイトルにある様に、Pythonでの実装は実用的なフレームワークを作るのが目的ではなく、あくまでも本書で紹介されて居る原理や技法の理解を深めるためのサンプルであり、本文のサポートという位置づけです。
本文自体も(前書きに書かれて居る通りですが)ディープラーニングを構築する事で理解を深める事を目的に書かれています。

その為、ディープラーニングを詳しく学びたいのであれば、Python自体には興味の無い方、或いは(フレームワークを使うので)自分で実装する気が無い方であっても、本書を読む価値は十分にあります。
逆に、本書にPythonの実用的なディープラーニングのフレームワークが載っていると思って購入すると肩すかしを食らう事になります。
とは言え本書に載ってる知識と技法を使えば、サンプルを改良して自分専用のフレームワークを作る事は可能でしょう。

私自身、Python自体には興味が無いので本書の購入を悩みましたが、実際に購入して買って良かったと感じましたので、同様の方の参考になればとレビューを書かせて頂きました。
0コメント| 43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? 違反を報告
2017年7月11日
この本を2週しました。

この本の素晴らしいところは、ライブラリに依存せずに、numpyだけで機械学習プログラムを実装していることです。

この本で学べることは、「教師あり学習」の「多クラス分類」のみなので、
機械学習の全体像を見てみると、学べることは非常に少ないのが注意点です。

すでに機械学習に詳しい人よりは、「初めて」の人の入門書だと思います。

タイトルには「Deep Learning」と書いてありますが、無視していいと思います。
勝手ながらこの本にタイトルをつけるとしたら「ニューラルネットワークを利用した多クラス分類問題の実装」だと思います。

また、活性化関数・損失関数などで使用する関数の数学的な説明が少ないため、それぞれの関数をブラックボックスとして使っています。
よって、この本をすべて読み終えてみると「結局、機械学習ってどうやって応用すればいいんだ?」と思い、不完全燃焼に終わります。

しかし、この本は入門書なのでそれでいいと思います。

何度も言いますが、この本は機械学習の中でも、非常に内容が薄いです。
この本をやったからといって、機械学習が学べたと勘違いしないように注意したいです。

この本を終えて、やっと「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」に挑戦しています。
「ゼロから作るDeep Learning」で語られてなかった、数学的な意味や理論がしっかり記載してあるので、
私のような初心者の方は「ゼロから作るDeep Learning」をやってから、「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」に挑戦するのがいいと思います。

「ゼロから作るDeep Learning」では、一つ一つプラグラムを実装していきますが、わざわざプログラムを書くほどの物ではないと思います。
一度読めばわかっていただけると思いますが、4勝までは非常に重要ですが、5章(誤差伝搬法)以降は読み流していいと思います。
0コメント| 27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? 違反を報告
2017年1月1日
機械学習をはじめて読む人でもわかりやすく書かれています。
PythonでBeautifulsoupやらで画像認識をいじったことあれば、なお理解しやすいと思います。

根本的な理解にいたるので、大変よかったです。
0コメント| 7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? 違反を報告
2017年4月14日
Pythonには詳しくないのでスクリプトは飛ばして読みましたが、説明は分かりやすく素直に頭に入ってきました。佳い本だとおもいます。
0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? 違反を報告
2016年10月7日
全編深層学習用のライブラリを用いず、使用しているのはnumpyのみです。スクラッチからプログラムを作成する過程で計算グラフを用いて順伝播、逆伝播の解説をしており、この説明がわかりやすく秀逸です。巻末の付録にはsoftmaxレイヤの逆伝播の解説もついており、とてもよく理解できました。
また、batch normalization、Adamの解説もあり、性能向上に必須の最新の方法も解説されています。
ほぼすべてconvolutional neural networkの解説で、LSTM, deep Boltzmann machine等の解説はありません。
0コメント| 14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? 違反を報告