数学がニガテでも大丈夫!今度はディープラーニングをやさしく学ぼう「ディープラーニングをライブラリで実装できるけれど、よく意味が分かっていない」
「ディープラーニングの背景にある数式を理解して、何が行われているか知っておきたい」本書はそんな人のための本です。
勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、ディープラーニングでどんなふうに入力値から出力値までの計算がされているのか、楽しく学んでいきます。※本書は『やさしく学ぶ機械学習を理解するための数学のきほん』の続刊となりますが、前作を読んでいない人でも問題なく読むことができます。
本書では、・ニューラルネットワークでは何ができるのか
・単層のパーセプトロンではどのような計算が行われているのか
・パーセプトロンではどうやって問題を解いているのか
・パーセプトロンにはどんな欠点があるのかなどの基本的な部分から解説を始めます。
パーセプトロンが理解できたら、続いて多層のニューラルネットワークについて学んでいきます。・ニューラルネットワークではどうやって問題を解いているのか
・問題を正しく解くためのパラメーターはどうやって学習しているのかといったことについて、1つずつ数式を理解して、時には具体的な数値を当てはめて実際に計算しながら理解していきます。ニューラルネットワークが理解できたら、いよいよ画像の分類などに向いている「畳み込みニューラルネットワーク」について学習を進めます。何をやっているのか、図解と数式で確認しつつ学習し、どのようにして「畳み込みニューラルネットワーク」が分類のタスクを行っているのか丁寧に解説します。そして最後の章では、ここまでの章で学習した数式をもとに、Pythonでプログラムを書いていきます。ライブラリとしてはNumPyだけを使用し、学習した数式を振り返りながらプログラムを書いていきます。ディープラーニング用のライブラリでは数行で書ける部分ですが、1行1行理解しながら動かしていくことで、理解を深めることができます。【各章の概要】Chapter1ニューラルネットワークを始めようニューラルネットワークがどんな構造をしていて、どういうことができるのかについて、図や簡単な数式を使って解説します。Chapter2順伝播を学ぼうパーセプトロンというニューラルネットワークを構成する小さなアルゴリズムについて、どんな風に計算が行われるかを解説します。
Chapter3逆伝播を学ぼうニューラルネットワークで、適切な重みとバイアスをどのように計算して求めればよいかについて説明します。Chapter4畳み込みニューラルネットワークを学ぼう畳み込みニューラルネットワーク特有の仕組みや計算を取り上げながら、重みとバイアスの更新方法まで説明します。
Chapter5ニューラルネットワークを実装しようここまでの章で学んだニューラルネットワークの計算方法を踏まえ、Pythonでプログラミングしていきます。
AppendixChapter1からChapter5までには入りきらなかった数学の知識と、環境構築、PythonとNumPyの簡単な説明を入れています。総和の記号/微分/偏微分/合成関数/ベクトルと行列/指数・対数/Python環境構築/Pythonの基本/NumPyの基本内容（「BOOK」データベースより）ディープラーニングの仕組みが基本からわかる!数学が苦手な方でもわかるように、ていねいに解説。PythonとNumPyだけで、ステップバイステップで実装できる!「ライブラリで実装だけはできる」から一歩踏み出したい方へ。

［著者について］立石賢吾(たていしけんご)スマートニュース株式会社機械学習エンジニア。
佐賀大学卒業後にいくつかの開発会社を経て、2014年にLINEFukuoka株式会社へ入社。同社にてデータ分析及び機械学習を専門とする組織を福岡で立ち上げ、レコメンドやテキスト分類など機械学習を使ったプロダクトを担当。同組織の室長を経て2019年にスマートニュース株式会社へ入社、以後機械学習エンジニアとして現職に従事。
著者略歴(「BOOK著者紹介情報」より)立石/賢吾
スマートニュース株式会社機械学習エンジニア。佐賀大学卒業後にいくつかの開発会社を経て、2014年にLINEFukuoka株式会社へ入社。同社にてデータ分析及び機械学習を専門とする組織を福岡で立ち上げ、レコメンドやテキスト分類など機械学習を使ったプロダクトを担当。同組織の室長を経て2019年にスマートニュース株式会社へ入社、以後機械学習エンジニアとして現職に従事(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)