最短コースでわかるディープラーニングの数学「増補改訂版」

実習コードの全面刷新！ＰｙＴｏｒｃｈとの連携強化。Ｇｏｏｇｌｅ　Ｃｏｌａｂで即実行可。Ｔｒａｎｓｆｏｒｍｅｒの紹介。ＧＰＵ利用で処理時間短縮。本書は、２０１９年４月に発行した初版を見直し、数学演習問題やＰｙＴｏｒｃｈ実習コードを追加した増補改訂版となっています。

本書は「導入編」「理論編」「実践編」「発展編」の4ステップに分け、ディープラーニングのアルゴリズムの理解に必要な数学の基礎知識を学んでから、ディープラーニングのアルゴリズムの理解を目指せる構成としています。
　まずは本書の概要を「導入編」で紹介し、続く「理論編」で高校1年レベルからの数学の基礎知識を解説します。これを土台として「実践編」でディープラーニングの動作原理を紐解きます。実際にPythonのサンプルプログラムを動かしながら理解できるようにしました。最後の「発展編」では、「実践編」で紹介し切れなかったディープラーニングの各種手法をまとめました。
　「実践編」や「発展編」で紹介しているPythonのサンプルプログラムは、Notebook形式で用意しています。Google Colabを利用することで、プログラミングの知識がなくても、すぐに動かすことができます。Notebook形式なので、誌面で解説している通りにステップを刻みながら動かすことができます。これにより、ディープラーニングの動作原理を体感しながら理解することができます。
　今回は「増補改訂版」として、主に「実践編」と「発展編」を大幅に加筆・修正しました。サンプロプログラムも理解しやすいように見直しています。また、「理論編」では各章の最後に「演習問題」を新たに追加しました。これは、読者からの「理解度をチェックしたい」という要望に応えたものです。

目次

【導入編】
1章 機械学習入門

【理論編】
2章 微分・積分
3章 ベクトル・行列
4章 多変数関数の微分
5章 指数関数・対数関数
6章 確率・統計

【実践編】
7章 線形回帰モデル（回帰）
8章 ロジスティック回帰モデル（2値分類）
9章 ロジスティック回帰モデル（多値分類）
10章 ディープラーニングモデル

【発展編】
11章 実用的なディープラーニングを目指して

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。