Excelだけで動作原理が理解できる!
難しい計算やプログラミング不要!進化発展するディープラーニング。
その代表がRNN(RecurrentNeuralNetwork/再帰型ニューラルネットワーク)と
DQN(DeepQ-Network/深層Qネットワーク)です。
RNNは自然言語処理の分野で最も注目されるアルゴリズムです。
またDQNは強化学習の手法で目覚ましい精度を挙げています。
これらはいずれもAI応用の入り口となります。
本書は、これらを万人のツールであるExcelを用いて、難しい数学やプログラミングの知識抜きに、
動かしながら、目で見てしくみを理解できる画期的な入門書です。
難解といわれるRNNとDQNの「最適化」などの難しい計算部分をExcelにまかせ、
その動作原理をわかりやすく知ることができます。
本書がAI学習のハードルを一気に下げてくれます。出版社からのコメントRNNやDQNの動作原理を知りたい人におすすめです。
内容（「BOOK」データベースより）進化発展するディープラーニング。その代表がRNN(RecurrentNeuralNetwork/再帰型ニューラルネットワーク)とDQN(DeepQ‐Network/深層Qネットワーク)です。RNNは自然言語処理の分野で最も注目されるアルゴリズムです。またDQNは強化学習の手法で目覚ましい精度を挙げています。これらはいずれもAI応用の入り口となります。本書は、これらを万人のツールであるExcelを用いて、難しい数学やプログラミングの知識抜きに、動かしながら、目で見てしくみを理解できる画期的な入門書です。難解といわれるRNNとDQNの「最適化」などの難しい計算部分をExcelにまかせ、その動作原理をわかりやすく知ることができます。本書がAI学習のハードルを一気に下げてくれます。
著者略歴(「BOOK著者紹介情報」より)涌井/良幸
1950年、東京都生まれ。東京教育大学(現・筑波大学)数学科を卒業後、千葉県立高等学校の教職に就く。教職退職後はライターとして著作活動に専念涌井/貞美
1952年、東京生まれ。東京大学理学系研究科修士課程修了後、富士通、神奈川県立高等学校教員を経て、サイエンスライターとして独立(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)