出版社内容情報
ディープラーニング（深層学習）は、人工知能（AI）分野で活躍したい、多くの人たちに注目されています。ディープラーニングは、今後ますますの発展が予想される人工知能の技術を新時代へ導いています。一方で、ディープラーニングの学習には数学の知識が必要不可欠です。本書はそのディープラーニングに必要な数学の知識をわかりやすく解説した入門書です。図を多用し、具体例を重視した内容になっています。ディープラーニングに関わる数学の知識を基本からしっかり学びたい人には必携の入門書となります。
内容説明
豊富な図解と具体例で、最適な入門書！ディープラーニングに必要な数学の知識を基本からしっかり学べる！
目次
１章 ニューラルネットワークの考え方
２章 ニューラルネットワークのための数学の基本
３章 ニューラルネットワークの最適化
４章 ニューラルネットワークと誤差逆伝播法
５章 ディープラーニングと畳み込みニューラルネットワーク
著者等紹介
涌井良幸［ワクイヨシユキ］
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［ワクイサダミ］
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）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
kochi
15
深層学習の仕組みを理解するための数学超入門。別の本で誤差逆伝播法の説明に引っかかっていたので、本書を手に取る。当該本では計算グラフという考え方で、逆伝播を説明するのだが、本書でのオーソドックスと言われる偏微分のチェーンルールでの説明でひっかかりが解けたました。結局同じことを説明していたのでした。当たり前だが。視点を変えるのも良いという一例。購入した時は、エクセルで試せることが本書の売りでしたが、Python なども普通に入手できるので、悩ましいところ。（動きました、すごい！で終わるのは、よくないけど）2021/06/07
Mark X Japan
4
ディープランニングがどのようなものかが，だいぶわかりました。特に悪魔を使った説明が，仕組みを理解するうえで，大変良かったです。そのうえでの感想ですが，シンギュラリティが来るとは思えません。☆：３．５2018/07/23
smatsu
3
文句言った手前もあり再読。本書の眼目は、DLのモデル構築は本質的には単回帰分析で回帰直線の傾きと切片を求めるのと同じことであり、ただそのパラメータが増えて関数が複雑になっただけであるということを（比較的）わかりやすく数式で原理的に示している所。さらにその時、一々面倒な微分をしないでよい誤差逆伝播法というアイデアのすばらしさについても解説している所だと思う。しかし難点は入門と謳っておきながら数式の変換がすっ飛ばしで説明も雑な所で、最低でも高校数Ⅱレベルの微積分をきちんと理解していないと厳しいと思う。2023/02/11
yyhhyy
3
ディープラーニング自体は余り難しい数学も統計も使っていないということを改めて気づかせる本。 この辺りがやはり統計家ではなくエンジニアサイドからディープラーニング（AI）が広まっている所以なのだろう。2018/01/20
Wisdom
3
いわゆる青本（機械学習プロフェッショナルシリーズの『深層学習』）で誤差逆伝播法が理解出来なかった人にオススメ．学習とは最適化である→最適化では勾配降下法を使う→勾配降下法では微分が重要→多層NNでは微分が大変→誤差逆伝播法だ！ というロジックが分かりやすく書かれている．ただし，Σ記号に抵抗がない人には冗長すぎるかも．2017/04/07
