斎藤 康毅

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Python 3によってゼロからディープラーニングを作成できる。

内容詳細

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

岡谷 貴之

この本でしか味わえない充実感。基礎からSGD、自己符号化器、CNN、RNN、ボルツマンマシンまでと、盛りだくさんの内容を体系的に解説。

深層学習 (機械学習プロフェッショナルシリーズ)

C.M. ビショップ

元田 浩

栗田 多喜夫

樋口 知之

松本 裕治

村田 昇

ベイズ理論に基づく統計的予測技術は、計算アルゴリズムの開発と計算機の性能向上により、近年、急速に進展してきた。本書は、このベイズ理論に基づいた統一的な視点から、機械学習とパターン認識の様々な理論や手法を解説した教科書である。上巻では、下巻で扱う比較的高度な話題を理解するための基礎的事項を学ぶことに重点を置いている。まず、機械学習・パターン認識の根底にある決定理論から始め、ベイズ理論の観点から確率の基礎と様々な確率分布を取り上げる。そして代表的な学習問題である回帰と識別問題をベイズ的な観点から解き明かした後、ニューラルネットワークと共に、学習問題を解くときに必要になる最適化手法を紹介する。

パターン認識と機械学習 上

平井 有三

パターン認識にはじめて触れる読者に向け,基礎からわかりやすく解説した入門書です.パターン認識の概念がよく理解できるとともに,Rによる実行例など,実際に応用する際にも役立つ内容が盛り込まれています.

内容紹介

パターン認識を学ぶ入門書に最適。Rによる実行例も収録。

内容（「BOOK」データベースより）

著者について

平井/有三
1970年3月慶應義塾大学工学部電気工学科卒業。1975年3月慶應義塾大学大学院工学研究科電気工学専攻博士課程修了。4月富士通株式会社。1978年4月筑波大学助手(電子・情報工学系)。1981年4月筑波大学講師(電子・情報工学系)。1985年10月筑波大学助教授(電子・情報工学系)。1992年7月筑波大学教授(電子・情報工学系)。2012年4月筑波大学名誉教授。工学博士(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)

著者略歴 (「BOOK著者紹介情報」より)

はじめてのパターン認識

東京大学教養学部統計学教室

統計学入門 (基礎統計学Ⅰ)

中井 悦司

機械学習のしくみを学ぶデータサイエンスの本質を理解する。

ITエンジニアのための機械学習理論入門

松尾 豊

いま、将棋やクイズ番組など「人工知能vs人間」の戦いがあちこちで起こっている。
2014年の英オックスフォード大学の研究報告では、今後10年から20年ほどで、
人工知能を含むITの進化の影響によって、米国の702の職業のうち約半分が
失われる可能性があると述べている。

最先端の人工知能技術「ディープラーニング」をめぐっては、グーグルやフェイスブックなどが
数百億円規模の激しい投資・人材獲得合戦を展開。
一方で、宇宙物理学者のスティーブン・ホーキング博士や、実業家のイーロン・マスク、
ビル・ゲイツなどが、「人工知能は人類を滅ぼすのではないか」との懸念を相次いで表明した。

そのテクノロジーは、ヒトを超える存在を生み出すのか。
人間の仕事を、人類の価値を奪うのか。

▼ トップクラスの研究者が解きほぐす、「人工知能」の過去・現在・未来

ディープラーニングの特徴をひと言で言えば、コンピュータが人間のように
「気づき」を得るしくみのこと。
これまで「人工知能」と呼ばれていたものは、たとえ同じ計算を10万回やっても、
1回目と10万回目のやり方は基本的に同じで、「もっと早く計算できる方法」に
自ら気づけない。
コンピュータの計算能力は飛躍的に上がったが、それは根本解決ではないのだ。
しかし、その状況がディープラーニングによって革命的に変わる。

本書では、人工知能学会で編集委員長・倫理委員長なども歴任、日本トップクラスの
研究者の著者が、これまで人工知能研究が経てきた歴史的な試行錯誤を丁寧にたどり、
その未来像や起きうる問題までを指摘。
情報工学・電子工学や脳科学はもちろん、ウェブや哲学などの知見も盛り込み、
「いま人工知能ができること、できないこと、これからできるようになること」
をわかりやすく解説する。

なお、本書カバーには、ロボットと人間の共生を描いたアニメーション『イヴの時間』より、
ヒロインのアンドロイド「サミィ」のイラストを特別にお借りして掲載している。

人類の希望か、あるいは大いなる危機なのか?「人間のように考えるコンピュータ」の実現へ、いま、劇的な進展が訪れようとしている。知能とは何か、人間とは何か。トップクラスの人工知能学者が語る、知的興奮に満ちた一冊。

松尾 豊(まつお ゆたか) 東京大学大学院工学系研究科 准教授

1997年、東京大学工学部電子情報工学科卒業。
2002年、同大学院博士課程修了。博士(工学)。同年より産業技術総合研究所研究員。
2005年よりスタンフォード大学客員研究員。
2007年より現職。シンガポール国立大学客員准教授。
専門分野は、人工知能、ウェブマイニング、ビッグデータ分析。

人工知能学会からは論文賞(2002年)、創立20周年記念事業賞(2006年)、
現場イノベーション賞(2011年)、功労賞(2013年)の各賞を受賞。
人工知能学会 学生編集委員、編集委員を経て、2010年から副編集委員長、
2012年から編集委員長・理事。2014年より倫理委員長。
日本トップクラスの人工知能研究者の一人。

共著書に『東大准教授に教わる「人工知能って、そんなことまでできるんですか?」』
(KADOKAWA)がある。

松尾/豊
東京大学大学院工学系研究科准教授。1997年、東京大学工学部電子情報工学科卒業。2002年、同大学院博士課程修了。博士(工学)。同年より産業技術総合研究所研究員。2005年よりスタンフォード大学客員研究員。2007年より現職。シンガポール国立大学客員准教授。専門分野は、人工知能、ウェブマイニング、ビッグデータ分析。人工知能学会からは論文賞(2002年)、創立20周年記念事業賞(2006年)、現場イノベーション賞(2011年)、功労賞(2013年)の各賞を受賞(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)

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)

新納浩幸

Deep Learning のフレームワークである Chainer を使って、複雑なニューラルネットの実装方法を解説!!<br/> Chainer は 2015年にPreferred InfrastructureがPython のライブラリとして開発・公開したフレームワークです。<br/> 本書は、Python の拡張モジュールであるNumPyの使い方やニューラルネットの基本をおさらいした後に、Chainerの基本的な使い方を示します。次にAutoEncoderを題材にして、それを確認し、最後に、自然言語処理でよく使われるword2vecと RNN(Recurrent Neural Network) を解説し、それらシステムを Chainer で実装します。既存にない複雑なネットワークのプログラムを作る際の参考となるものです。

新納/浩幸
1961年生まれ。1985年東京工業大学理学部情報科学科卒業。1987年東京工業大学大学院理工学研究科情報科学専攻修士課程修了。現在、茨城大学工学部情報工学科教授、博士(工学)。専門は自然言語処理(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)

Chainerによる実践深層学習

原田 達也

基礎的な理論から、深層学習をはじめとする最新手法までを網羅し、発展著しい分野を俯瞰できるまたとない一冊。

画像認識 (機械学習プロフェッショナルシリーズ)

巣籠 悠輔

ディープラーニング、ニューラルネットワークについてディープラーニング向けのPythonライブラリ“TensorFlow”および“Keras”を用い丁寧に解説。時系列データ処理のためのディープラーニングのアルゴリズムに焦点を当てます。

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

清水 亮

はじめての深層学習(ディープラーニング)プログラミング

山岡 忠夫

<b>人より強い"将棋プログラム"を作ろう</b>

将棋プログラムの作成を通してディープラーニングをより深く理解できる。

2016年3月、プロ棋士に勝つには後10年かかると言われていたコンピュータ囲碁でDeepMindが開発したAlphaGoがトップ棋士に勝利しました。そのAlphaGoで使われた手法がディープラーニングです。

AlphaGoでは局面を「画像」として認識し打ち手の確率と局面の勝率を予測することで、次の打ち手を決めています。画像とは具体的にどのようなものか、次の打ち手をどうやって決めるのか?AlphaGoの論文をヒントに、ディープラーニングを使い棋譜を学習した将棋AIの開発を行います。強化学習のみでトップレベルの強さを持つAlphaZeroで用いられた手法についても取り入れています。

[導入編]では、コンピュータ将棋の歴史とディープラーニングの関係、コンピュータ将棋の大会の概要と参加方法について紹介します。
[理論編]では、実装する将棋AIの前提となる理論について解説します。従来のコンピュータ将棋のアルゴリズム、コンピュータ囲碁で用いられているモンテカルロ木探索とAlphaGoがどのようにディープラーニングを応用したか。基礎的な知識について解説しつつ、これらを将棋AIに応用する方法について述べます。
[実践編]では、ディープラーニングを使った、実際に対局できる以下の3つの将棋AIについて、PythonとChainerで実装していきます。

方策ネットワーク(policy network)を使って指し手の予測のみでプレイするAI。
価値ネットワーク(value network)を使って1手探索を行うAI。
方策ネットワークと価値ネットワークを使ってモンテカルロ木探索を行うAI。

最後に、より強い将棋AIを作りたいという方のために、ヒントとなる情報を紹介します。

人より強い将棋プログラムを作る!Python、Chainerによる将棋AIの作成を通して、ディープラーニングのしくみをより深く理解。AlphaGo、AlphaZeroで用いられた手法も解説。

山岡忠夫(やまおか・ただお)
東京工業大学工学部電子物理工学科卒業。システムエンジニア。趣味でスマートフォン向けアプリの開発を行っている。AlphaGoでディープラーニングに興味を持ち将棋ソフト「dlshogi」を開発中。開発状況は随時ブログに掲載中。

山岡/忠夫
東京工業大学工学部電子物理工学科卒業。システムエンジニア。趣味でスマートフォン向けアプリの開発を行っている。AlphaGoでディープラーニングに興味を持ち将棋ソフト「dlshogi」を開発中(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)

将棋AIで学ぶディープラーニング

浅川 伸一

江間 有沙

工藤 郁子

瀬谷 啓介

松井 孝之

一般社団法人日本ディープラーニング協会

ディープラーニングの知識を測る検定試験（G検定）の「公式テキスト」登場！ 【本書の特徴】 1）試験運営団体である「日本ディープラーニング協会」が執筆。 2）各章末には、練習問題つき。試験勉強に最適。 3) 最新シラバス「JDLA Deep Learning for GENERAL 2018」に完全準拠。 4）ディープラーニングについて最新事情も踏まえ学ぶことができる。 【対象読者】 ・「ディープラーニング G検定（ジェネラリスト検定）」を受験しようと思っている人 ・ディープラーニングについてこれから広く学びたい人 ・ディープラーニングを事業活用しようと思っている人 【G検定とは】 ・目的：ディープラーニングを事業に活かすための知識を有しているかを検定する ・受験資格制限：なし ・試験概要：120分、知識問題（多肢選択式）、オンライン実施（自宅受験） ・出題問題：シラバスより出題 ・日程：公式サイトにて公表

タグ：ディープラーニングの検索結果

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

深層学習 (機械学習プロフェッショナルシリーズ)

パターン認識と機械学習上

はじめてのパターン認識

統計学入門 (基礎統計学Ⅰ)

ITエンジニアのための機械学習理論入門

人工知能は人間を超えるかディープラーニングの先にあるもの (角川EPUB選書)

Chainerによる実践深層学習

画像認識 (機械学習プロフェッショナルシリーズ)

詳解ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

はじめての深層学習(ディープラーニング)プログラミング

将棋AIで学ぶディープラーニング

深層学習教科書ディープラーニング G検定(ジェネラリスト) 公式テキスト

タグ：ディープラーニングの検索結果

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

深層学習 (機械学習プロフェッショナルシリーズ)

パターン認識と機械学習 上

はじめてのパターン認識

統計学入門 (基礎統計学Ⅰ)

ITエンジニアのための機械学習理論入門

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)

Chainerによる実践深層学習

画像認識 (機械学習プロフェッショナルシリーズ)

詳解 ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

はじめての深層学習(ディープラーニング)プログラミング

将棋AIで学ぶディープラーニング

深層学習教科書 ディープラーニング G検定(ジェネラリスト) 公式テキスト

パターン認識と機械学習上

人工知能は人間を超えるかディープラーニングの先にあるもの (角川EPUB選書)

詳解ディープラーニング ~TensorFlow・Kerasによる時系列データ処理~

深層学習教科書ディープラーニング G検定(ジェネラリスト) 公式テキスト