ディープラーニングを支える技術〈2〉ニューラルネットワーク最大の謎(Tech×Books plusシリーズ) [単行本]

ディープラーニングを支える技術〈2〉ニューラルネットワーク最大の謎(Tech×Books plusシリーズ) の 商品概要

• 要旨（「BOOK」データベースより）

  技術／性能の追求は、人自身の能力を飛躍的に高め、新たな領域を切り開く。先端の情報や知識を俯瞰し、何が本質的な問題なのか、原理／原則は何か、「考える過程」を辿ります。

• 目次

  # 第0章 ディープラーニングとは何か　表現学習とタスク学習、本書解説の流れ
  ##0.1 ［速習］ディープラーニング
  ##0.2 ニューラルネットワークの「学習」における大きな謎
  ##0.3 これから学ぶ生成モデル
  ##0.4 これから学ぶ強化学習
  ##0.5 ディープラーニングと人工知能の課題とこれから
  
  # 第1章 ディープラーニングの最適化　なぜ学習できるのか
  ##1.1 最適化による学習
  ##1.2 ［概要］学習の効率化
  ##1.3 モーメンタム法
  ##1.4 学習率の自動調整
  ##1.5 ハイパーパラメータの最適化
  ##1.6 本章のまとめ
  
  # 第2章 ディープラーニングの汎化　なぜ未知のデータをうまく予測できるのか
  ##2.1 従来の汎化理論との矛盾
  ##2.2 ニューラルネットワークと陰的正則化
  ##2.3 明示的な正則化
  ##2.4 本章のまとめ
  
  # 第3章 深層生成モデル　生成を通じて複雑な世界を理解する
  ##3.1 生成モデル＆深層生成モデルとは何か
  ##3.2 VAE　ニューラルネットワークを使った潜在変数モデル
  ##3.3 GAN　敵対的生成モデル
  ##3.4 自己回帰モデル
  ##3.5 正規化フロー
  ##3.6 拡散モデル
  ##3.7 本章のまとめ
  
  # 第4章 深層強化学習　ディープラーニングと強化学習の融合
  ##4.1 強化学習の基本
  ##4.2 強化学習はどのような特徴を持つのか
  ##4.3 最適な方策を直接求める　モンテカルロ推定
  ##4.4 方策と価値
  ##4.5 ベルマン方程式　隣り合う時刻間の価値の関係を表す
  ##4.6 MC学習、オンライン版MC学習　オンラインでの方策の価値推定1
  ##4.7 TD学習　オンラインでの方策の価値推定2
  ##4.8 予測から制御へ　問題のどこが変わるのか
  ##4.9 方策オン型学習　基本の考え方とSARSA
  ##4.10 方策オフ型学習　人の振り見て我が振り直せ
  ##4.11 関数近似　価値をパラメトリックモデルで近似する
  ##4.12 方策勾配法　方策の勾配を使って最適方策を学習する
  ##4.13 DQN　ディープラーニングと強化学習の融合
  ##4.14 AlphaGo　コンピュータ囲碁での強化学習の適用例
  ##4.15 モデルベース強化学習
  ##4.16 本章のまとめ
  
  # 第5章 これからのディープラーニングと人工知能　どのように発展していくか
  ##5.1 学習手法の発展　自己教師あり学習
  ##5.2 人工知能と計算性能の関係
  ##5.3 問題固有の知識をどう組み込むか
  ##5.4 ディープラーニングの今後の課題
  ##5.5 本章のまとめ

• 内容紹介

  初学者の方々に向け、ディープラーニングの発展技術をまとめた解説書。
  ディープラーニングは現在のAI/人工知能の発展の中核を担っており、スマートフォンからIoT、クラウドに至るまで幅広い領域で、画像、音声、言語処理をはじめとした多くの対象分野に浸透し、目覚ましい進展をもたらしています。
  ディープラーニングの今の基本をまとめた前作に続き、本作ではニューラルネットワークにおける大きな謎である「なぜ学習できるのか」「なぜ汎化するのか」にスポットを当て平易に解説。合わせて、将来的な革新の可能性を秘める二大トピックとして、「生成モデル」「深層強化学習」も詳しく取り上げます。そして、4つのテーマのもと、ディープラーニングや人工知能について課題を整理し、今後を考えていきます。
  多様な問題を一つのアプローチ、アルゴリズムで解ける驚異的な技術。ディープラーニングが一段と進化していく将来につながる、長く役立つ原理、原則、考え方を紐解く1冊です。

• 著者紹介（「BOOK著者紹介情報」より）（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）

  岡野原 大輔(オカノハラ ダイスケ)
  ２０１０年東京大学情報理工学系研究科コンピュータ科学専攻博士課程修了（情報理工学博士）。在学中の２００６年、友人らとＰｒｅｆｅｒｒｅｄ　Ｉｎｆｒａｓｔｒｕｃｔｕｒｅを共同で創業、また２０１４年にＰｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓを創業。現在はＰｒｅｆｅｒｒｅｄ　Ｎｅｔｗｏｒｋｓの代表取締役ＣＥＲおよびＰｒｅｆｅｒｒｅｄ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｃｈｅｍｉｓｔｒｙの代表取締役社長を務める

• 著者について

  岡野原 大輔 (オカノハラ ダイスケ)
  岡野原大輔　Okanohara Daisuke
  2010年 東京大学情報理工学系研究科コンピュータ科学専攻博士課程修了（情報理工学博士）。在学中の2006年、友人らとPreferred Infrastructureを共同で創業、また2014年にPreferred Networksを創業。現在はPreferred Networksの代表取締役CERおよびPreferred Computational Chemistryの代表取締役社長を務める。
  ・『ディープラーニングを支える技術 --「正解」を導くメカニズム［技術基礎］』（技術評論社、2022）
  ・『深層学習 Deep Learning』（共著、近代科学社、2015）
  ・『オンライン機械学習』（共著、講談社、2015）
  ・『Learn or Die 死ぬ気で学べ プリファードネットワークスの挑戦』（西川 徹との共著、2020）
  ・連載「AI最前線」（日経Robotics、本書執筆時点で連載中）

ディープラーニングを支える技術〈2〉ニューラルネットワーク最大の謎(Tech×Books plusシリーズ) の商品スペック