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） [電子書籍]

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） の 商品概要

• 2022/5/27紙版の3刷に対応するため更新しました。
  
  初学者の方々に向けた，ディープラーニングの技術解説書。
  2012年に一般画像分類コンテスト（ILSVRC）で衝撃的な性能を達成したAlexNetの登場以来，急速な進化を遂げているディープラーニング。現在の人工知能/AI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。一方，その成長の過程は決して一筋縄ではなく，無数の試行錯誤がありました。
  本書では，ディープラーニングの「今」に焦点を当て，「基本機能」を中核に技術面から可能な限り正確にまとめ，どのようなしくみで動いているのか，どのような問題に使えるのか，何が難しいのかまで平易に解説。
  多くの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パワーアップしていく将来につながる，長く役立つ原理，原則，考え方を平易に紐解く1冊です。
  

• 目次

  第1章 ディープラーニングと人工知能 ——なぜディープラーニングが成功しているのか
  1.1 ディープラーニング，知能，人工知能とは何か
  1.2 人工知能の歴史
  1.3 なぜディープラーニングは急速に発展したか
  1.4 ディープラーニングと計算コスト
  1.5 ディープラーニングは今後どう使われるのか
  1.6 本章のまとめ
  第2章 ［入門］機械学習 ——コンピュータの「学習」とは何か
  2.1 機械学習の背景
  2.2 モデル，パラメータ，データ
  2.3 汎化能力：未知のデータに対応できるか
  2.4 問題設定：教師あり学習，教師なし学習，強化学習
  2.5 問題設定の分類学
  2.6 機械学習の基本：機械学習のさまざまな概念を知る
  2.7 確率モデルとしての機械学習
  2.8 本章のまとめ
  第3章 ディープラーニングの技術基礎 ——データ変換の「層」を組み合わせて表現学習を実現する
  3.1 表現学習：「表現」の重要性と難題
  3.2 ディープラーニングの基礎知識
  3.3 ニューラルネットワークはどのようなモデルなのか
  3.4 ニューラルネットワークの学習
  3.5 誤差逆伝播法：勾配を効率的に計算する
  3.6 ニューラルネットワークの代表的な構成要素
  3.7 本章のまとめ
  第4章 ディープラーニングの発展 ——学習と予測を改善した正規化層/スキップ接続/注意機構
  4.1 学習を可能にした要素技術の一つ：ReLUのような活性化関数
  4.2 正規化層
  4.3 スキップ接続
  4.4 注意機構：入力に応じて，データの流れ方を動的に変える
  4.5 本章のまとめ
  第5章 ディープラーニングを活用したアプリケーション ——大きな進化を遂げた画像認識，音声認識，自然言語処理
  5.1 画像認識
  5.2 音声認識
  5.3 自然言語処理
  5.4 本章のまとめ
  Appendix ［厳選基礎］機械学習＆ディープラーニングのための数学
  A.1 線形代数
  A.2 微分
  A.3 確率
  

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） の商品スペック