ゼロから作るDeep Learning の商品レビュー

斎藤康毅(著者)

2024/04/18

【機械工学科・機械情報工学科】ベストリーダー2024
第7位
東京大学にある本はこちら
https://opac.dl.itc.u-tokyo.ac.jp/opac/opac_details/?bibid=2003338638

2024/04/05

・参考図書指定科目：「ゼミナール 安間」

＜OPAC＞
https://opac.jp.net/Opac/NZ07RHV2FVFkRq0-73eaBwfieml/nqbzbNT73yNUc-O673BdQuz9IVl/description.html

2024/01/20

図表と簡潔なサンプルプログラムでディープラーニングの理論を丁寧に説明。
入門書を読んだ後にしみじみ読みたい。

2023/06/06

ディープラーニングの中身がどうなっているかを理解するのにちょうど良い実装本。本書くらいの入門レベルの内容なら，しばらくは陳腐化する事はないだろう。

2023/04/19

数式は少なく分かりやすいので、ディープラーニングの初学者には有用な本に思える。実装もほとんどコピペでよく、そこまで時間がかからず読み終えられると思う。環境構築ができていない人はGoogle Colabを使うのもあり。ネット上にGoogle Colabでの実装をした先人がたくさんコードを残してくれているので、自分もそれらを利用しGoogle Colab上で実装した。
内容は主に画像認識を行うニューラルネットワークを自分の手でコーディングして作ろうというもの。基本的な知識は一通り網羅されており、勉強になりました。
ただ、急速に機械学習モデルは進化し続けているため、最近話題になっている chatGPTや stable diffusionなどについて知りたい人は、この本に書かれていることだけでは不十分(もっとも出版から時間が経てば仕方のないことですが)。
総評として、初学者が一冊目の本として利用するには良い本だと思います。

2023/03/05

単純なモデルではあるがライブラリを使わずにいちから組み立てる過程が詳細に説明されるのでこの本だけで完結して読みすすむことができた。本書で取り上げられるのは画像認識だけであるが、細かいアルゴリズムは別として考え方の方向性が理解できた気分になれる。厳密でエレガントな解法とは正反対の、なんとなく当たりをつけて微調整を加えていくというニューラルネットワークの考え方はいかにも工学的で、合う人にはピッタリ合うだろうし、気に食わない人はとことん気に食わないだろうなと思わずニヤニヤしてしまった。その発展形であるディープラーニングが昨今各方面で目覚ましい成果を上げていることに鑑みると20世紀が理学の時代であったのと対照に21世紀は再び工学の時代となるのではないかという期待が膨らまずにはいない。

2022/12/02

タイトルどおり、ゼロからディープラーニングを実装する本。

一歩一歩着実に理解していきたい人におすすめ。

2022/10/10

pythonコードと共に解説されているのが良い。実装を学べる。多少コードが飛躍していてそれなりのpython経験ないとコードを読み解くのは難しいが。。

2022/07/31

とても人気があるDeep Learningの解説書。Amazonでもレビューがたくさんついている。
内容的には妥協するところのない本格的な解説書だが、説明が分かりやすいので、頭にすいすい入ってくる。
ゼロから実際にコードが組みあがり、それが実際に動いて、AIとして見事な結果を出してくれるのは感動する。コードはダウンロードして入手できる。Anaconda上などで動かせばよい。
予備知識はほぼ不要だが、Pythonの基本くらいは知っておいたほうがいいかも。
しかし、インプットとアウトプットのあるニューロンの真似をして、結果をフィードバックさせてそのパラメータを学習させるというシンプルなアイデアだけで、これだけの成果が実現できるというのが、逆に驚きだ。
最先端のコンピュータサイエンスの知識を無理なく学ぶことができる本としておすすめ。

2022/07/03

こちらを輪読する機会に恵まれたのだが、熱心な参加者ではなく、パッと読んだという感じでしたが、すごく勉強になりました。