深層学習
発売日:2022年11月
- ページ数
- 276p
- ISBN
- 978-4-274-22888-9
- 著者情報
- 柳井 啓司(ヤナイ ケイジ)
1997年東京大学大学院工学系研究科修士課程修了、電気通信大学電気通信学部情報工学科助手。2015年電気通信大学大学院情報理工学研究科教授(現職)
中鹿 亘(ナカシカ トオル)
2011年神戸大学大学院工学研究科博士前期課程修了。2020年電気通信大学大学院情報理工学研究科准教授(現職)
稲葉 通将(イナバ ミチマサ)
2010年名古屋大学大学院情報科学研究科博士前期課程修了。2019年電気通信大学人工知能先端研究センター准教授(現職)
セブン-イレブン受取り(送料無料)
発送目安
発売日(発売日以降は当日)~2日で発送
宅配(送料¥550税込)
発送目安
発売日(発売日以降は当日)~2日で発送
交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。
商品説明
深層学習の基礎・基本をしっかり学ぶ。進歩し続ける深層学習技術の基礎にある、最も基本的な学習方法や基本的なレイヤを詳細に解説。画像・音声・自然言語への応用は、広範囲かつ俯瞰的に解説し、マルチモーダル学習も図解を通してわかりやすく概観。
深層学習(ディープラーニング)の全体像が理解できる一冊。
本書は、人工知能(AI)技術の一つである深層学習(ディープラーニング)の全体像を体系的にまとめた教科書です。
SNS、スマートスピーカー、画像診断、自動運転、……などなど、身のまわりには深層学習の技術や手法が広く応用されています。このことからもわかるように、深層学習は今日に至るまでさまざまな場面で成功を収めていますが、その技術や手法は、今現在も、非常に速いスピードで進歩し続けています。「以前は当たり前のように利用されていた技術が、ある日突然、それを上回る別の技術に置き換えられた」ということも十分にあり得ます。しかし、そのような深層学習技術の基礎には、普遍的かつ不変的な知識や考え方があります。
本書は、現代の深層学習の技術や手法を理解するうえで基礎となる知識や考え方を、必要に応じて数式を用い、詳細に解説しています。また、代表的な応用例として、画像、音声、自然言語の処理を俯瞰的に解説し、深層学習の全体像が理解できるように構成しました。論文や国際会議等で深層学習技術の最新動向を追うためのベースは、本書で十分に学ぶことができます。
目次
第1章 概論:深層学習登場の前と後
第2章 深層学習以前のパターン認識手法
第3章 深層学習ネットワーク
第4章 ネットワークの学習
第5章 学習のための技術
第6章 系列データへの対応
第7章 画像認識への適用
第8章 画像生成・変換への適用
第9章 音声処理への適用
第10章 自然言語処理への適用
第11章 マルチモーダル学習
商品詳細
- シリーズ名
- IT Text
- 出版社名
- オーム社
- サイズ
- 21cm
- フォーマット
- 単行本
注意事項
- 本の帯に関して
- 帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。 - 版・表紙について
- 版・表紙(カバー)のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典(初回特典、初回仕様特典)がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。