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

Sebastian Raschka

株式会社クイープ

福島真太朗

機械学習の考え方とPython実装法がわかる! 分類/回帰問題や深層学習の導入を解説。 ◎絶妙なバランスで「理論と実践」を展開 ◎Pythonライブラリを使いこなす ◎数式・図・Pythonコードを理解する 本書は、機械学習の理論とPython実践法を網羅的に解説した技術書です。機械学習とは、データから学習した結果をもとに判定や予測を行うことです。すでにさまざまな機械学習の方法が開発されています。本書では、それらの方法について背景にある理論や特徴を解説した上で、Pythonによる実装法を説明します。初期の機械学習アルゴリズムから取り上げ、前処理や次元削減、Webへの展開のほか、終盤ではディープラーニングについても見ていきます。機械学習の理論と実践についてバランスよく解説してあり、AIプログラミングの第一歩を踏み出すための格好の一冊です。 ※本書は『Python Machine Learning』の翻訳書です。 ※付録では、本書を読み進めるにあたっての前提知識として、Python ライブラリや数学について補足説明をしています。必要に応じて、他の書籍などもご参照ください。 発行：インプレス

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 (impress top gear)

瀧 雅人

「基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい」と甘利俊一先生が大推薦!

機械学習スタートアップシリーズ これならわかる深層学習入門 (KS情報科学専門書)

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。

内容紹介

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。

内容（「BOOK」データベースより）

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。

著者について

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)

著者略歴 (「BOOK著者紹介情報」より)

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!! 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。 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

中井 悦司

ディープラーニングの世界へようこそ！ 本書は、機械学習やデータ分析を専門とはしない、一般の方を対象とした書籍です。― と言っても、ディープラーニングの歴史や人工知能の将来展望を語る啓蒙書ではありません。ディープラーニングの代表とも言える「畳み込みニューラルネットワーク」を例として、その仕組みを根本から理解すること、そして、TensorFlowを用いて実際に動作するコードを作成することが本書の目標です。 ディープラーニングの解説記事で必ず登場するのが、多数のニューロンが何層にも結合された「多層ニューラルネットワーク」の模式図です。このニューラルネットワークの中でいったいなにが起きているのか、ディープラーニングのアルゴリズムはどのような仕組みで学習をしているのか、「何とかしてこれを理解したい！」 ― そんな気持ちを持ったあなたこそが、本書が対象とする読者です。 実の所、ディープラーニングの根底にあるのは、古くからある機械学習の仕組みそのものです。簡単な行列計算と微分の基礎がわかっていれば、その仕組みを理解することはそれほど難しくはありません。本書では、手書き文字の認識処理を行う畳み込みニューラルネットワークについて、これを構成する1つひとつのパーツの役割を丁寧に解説していきます。さらに、ディープラーニングの学習処理ライブラリであるTensorFlowを利用して、実際に動作するコードを用いながらそれぞれのパーツの動作原理を確認します。レゴブロックを組み立てるかのように、ネットワークを構成するパーツを増やしていくことで、認識精度が向上する様子が観察できることでしょう。 ちなみに、TensorFlowの公式Webサイトでは、チュートリアルとしてさまざまなサンプルコードが公開されています。これらのコードを実行してみたものの、コードの中身がよくわからず、自分なりの応用をしようにもどこから手をつけていいのかわからない ― そんな声を耳にすることもあります。本書を通して、ディープラーニングの根本原理、そして、TensorFlowのコードの書き方を学習すれば、次のステップが見えてくるはずです。ディープラーニングの奥深さ、そして、その面白さを味わうことは、決して専門家だけの特権ではありません。本書によって、知的探究心にあふれる皆さんが、ディープラーニングの世界へと足を踏み入れるきっかけを提供できたとすれば、筆者にとってこの上ない喜びです。 （本書「はじめに」より抜粋） ・本書では、TensorFlowをインストール済みのDocker用コンテナイメージを用いて説明を行っていきます。Linux、Mac OS X、Windowsなどの環境で、Dockerを利用して環境を起動することができます。また、TensorFlow 0.9.0（GPU非対応版）、Python 2.7を使用しています。 ハードウェア環境は、4コアCPUと4GB以上の物理メモリーを想定しています。メモリー容量がこれより少ない場合、第4章、および、第5章のサンプルコードが実行できない場合がありますのでご注意ください。

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

浅川 伸一

Pythonで体験する 深層学習

麻生 英樹

安田 宗樹

前田 新一

岡野原 大輔

久保 陽太郎

ボレガラ ダヌシカ

人工知能学会

神嶌 敏弘

人工知能研究に急展開!!この20年で最大のブレークスルーが到来。人工知能研究の歴史は古い。なかでも、決定木、ベイジアンネットワーク、サポートベクトルマシン...と、試行錯誤しながらも着実に歩みを進めてきた「機械学習」が、ここに来て一気に飛躍する様相を見せ始めた。深層学習―ディープラーニング(Deep Learning)とは何か?いま何が起きているのか?第一線の研究者たちが徹底解説!

深層学習 Deep Learning (監修:人工知能学会)

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)

Antonio Gulli

Sujit Pal

大串 正矢

久保 隆宏

中山 光樹

機械学習ライブラリKerasの解説書。画像識別、画像生成、自然言語処理、感情識別、自動ゲームプレイなどの幅広いサンプルを例示。

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

小高知宏

機械学習の諸分野をわかりやすく解説！ 本書は人工知能研究における機械学習の諸分野をわかりやすく解説し、それらの知識を前提として深層学習とは何かを示します。具体的な処理手続きやプログラム例（C言語）を適宜示すことで、これらの技術がどのようなものなのかを具体的に理解できるように紹介していきます。 まえがき 第1章 機械学習とは 1.1 機械学習とは 1.1.1 深層学習の成果 1.1.2 学習と機械学習・深層学習 1.1.3 機械学習の分類 1.1.4 深層学習に至る機械学習の歴史 1.2 本書例題プログラムの実行環境について 1.2.1 プログラム実行までの流れ 1.2.2 プログラム実行の実際 第2章 機械学習の基礎 2.1 帰納学習 2.1.1 演繹的学習と帰納的学習 2.1.2 帰納的学習の例題―株価の予想― 2.1.3 帰納学習による株価予想プログラム 2.2 強化学習 2.2.1 強化学習とは 2.2.2 Q学習―強化学習の具体的方法― 2.2.3 強化学習の例題設定―迷路抜け知識の学習― 2.2.4 強化学習のプログラムによる実現 第3章 群知能と進化的手法 3.1 群知能 3.1.1 粒子群最適化法 3.1.2 蟻コロニー最適化法 3.1.3 蟻コロニー最適化法の実際 3.2 進化的手法 3.2.1 進化的手法とは 3.2.2 遺伝的アルゴリズムによる知識獲得 ? 第4章 ニューラルネット 4.1 ニューラルネットワークの基礎 4.1.1 人工ニューロンのモデル 4.1.2 ニューラルネットと学習 4.1.3 ニューラルネットの種類 4.1.4 人工ニューロンの計算方法 4.1.5 ニューラルネットの計算方法 4.2 バックプロパゲーションによるニューラルネットの学習 4.2.1 パーセプトロンの学習手続き 4.2.2 バックプロパゲーションの処理手続き 4.2.3 バックプロパゲーションの実際 第5章 深層学習 5.1 深層学習とは 5.1.1 従来のニューラルネットの限界と深層学習のアイデア 5.1.2 畳み込みニューラルネット 5.1.3 自己符号化器を用いる学習手法 5.2 深層学習の実際 5.2.1 畳み込み演算の実現 5.2.2 畳み込みニューラルネットの実現 5.2.3 自己符号化器の実現 参考文献 索 引

機械学習と深層学習 ―C言語によるシミュレーション―

Yusuke Sugomori

Dive into the future of data science and learn how to build the sophisticated algorithms that are fundamental to deep learning and AI with Java

Java Deep Learning Essentials (English Edition)

石黒 勝彦

林 浩平

大規模データの存在を背景に、データに語らしめる方法として確立しつつある関係データ学習。その具体的手順を示しながら解説する。

タグ：深層学習の検索結果

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

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 (impress top gear)

機械学習スタートアップシリーズこれならわかる深層学習入門 (KS情報科学専門書)

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

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

Pythonで体験する深層学習

深層学習 Deep Learning (監修:人工知能学会)

画像認識 (機械学習プロフェッショナルシリーズ)

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

機械学習と深層学習 ―C言語によるシミュレーション―

Java Deep Learning Essentials (English Edition)

関係データ学習 (機械学習プロフェッショナルシリーズ)

タグ：深層学習の検索結果

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

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 (impress top gear)

機械学習スタートアップシリーズ これならわかる深層学習入門 (KS情報科学専門書)

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

TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~

Pythonで体験する 深層学習

深層学習 Deep Learning (監修:人工知能学会)

画像認識 (機械学習プロフェッショナルシリーズ)

直感 Deep Learning ―Python×Kerasでアイデアを形にするレシピ

機械学習と深層学習 ―C言語によるシミュレーション―

Java Deep Learning Essentials (English Edition)

関係データ学習 (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

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 (impress top gear)

機械学習スタートアップシリーズこれならわかる深層学習入門 (KS情報科学専門書)

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)

Pythonで体験する深層学習