内容紹介（JPROより）

ディープラーニング（深層学習）は、機械学習に劇的な進展をもたらしました。
脳の神経回路に似せた“階層の深いニューラルネットワーク”の最適化手法が、
人工知能研究を新時代へ導いたのです。

本書は「基礎編」と「理論編」を通じ、その原理を初学者にも分かりやすく解説します。
画像認識分野での衝撃的な成果など、この技術が注目される背景や研究の歴史的経緯にも言及。
SuperVisionのチャレンジや「Googleの猫」といった実証研究を紹介するほか、
CNN、RNN、AutoEncoderといった代表的アルゴリズム、勾配法による
最適化計算の手法等も明らかにします。

さらに「体験編」では、Linuxユーザーを対象に、
オープンソースのディープラーニングフレームワーク“Caffe”、
および手描き文字のサンプルデータを用い、
ニューラルネットワークのパラメータチューニングを実験してみます。
◆基礎編◆

第1章 ディープラーニングとはなにか？
1.1　機械学習の概要
1.2　ディープラーニングの概要

第2章 ディープラーニングが切り開いた成果
2.1　ディープラーニングの歴史
2.2　音声認識での成果
2.3　画像認識での成果

◆理論編◆

第3章 ディープラーニングを利用した画像認識
3.1　画像認識とは？
3.2　従来の画像認識手法
3.3　ディープラーニングの利用
3.4　なぜ高い性能を実現できたのか？

第4章 ディープラーニングアルゴリズムの学習方法
4.1　ニューラルネットワークの構成要素
4.2　ニューラルネットワークの学習方法
4.3　ディープラーニングアルゴリズム

◆体験編◆

第5章 Caffeを準備する
5.1　Caffeについての基本知識
5.2　Caffeのインストール方法
5.3　Caffeの動かし方

第6章 Caffeでディープラーニングを体感する
6.1　サンプルプログラムを用いCaffeを動かす
6.2　自分で準備したデータをCaffeで利用する

付録
A.1　VMWareにUbuntuをインストールする方法
A.2　UbuntuでCUDAを動くようにする
A.3　3層全結合ニューラルネットワークのパラメータファイル

内容紹介（「BOOK」データベースより）

本書はディープラーニングを初めて学ぶＩＴエンジニアや理工学系の学生さんを主な対象としつつ、広く一般ビジネスマンの方々にも役立つよう工夫しました。機械学習等の専門知識は一切前提としませんが、一部、高校レベルの数学を思い出していただく必要があります。また第５章以降は、Ｌｉｎｕｘの基礎知識をお持ちの方向けの「体験編」となっています。

目次（「BOOK」データベースより）

基礎編（ディープラーニングとは何か？／ディープラーニングが遂げた成果）／理論編（ディープラーニングを利用した画像認識／ディープラーニングアルゴリズムの学習方法）／体験編（Ｃａｆｆｅを準備する／Ｃａｆｆｅでディープラーニングを体感する）／付録

著者情報（「BOOK」データベースより）

武井宏将（タケイヒロマサ）
大学時代は数学を専攻し、位相幾何学（トポロジー）の研究に従事。２００４年、日本ユニシス株式会社に入社。ＣＡＤ／ＣＡＭシステムの開発に従事し、主に図形処理技術を担当。２０１１年より情報工学専攻の社会人大学院生として、データマイニングと３Ｄ形状検索の研究に従事。その後会社に戻り、現在は画像処理・点群処理・機械学習の研究開発業務に従事している。修士（数学）および修士（工学）（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）