深層学習　改訂第2版　（機械学習プロフェッショナルシリーズ）
岡谷貴之

ユーザ評価（0件）
| レビューを書く

3,300円（税込）送料無料

発行形態：
紙書籍 (全集・双書)

この商品が関連するクーポン・キャンペーンがあります（3件）

※エントリー必要の有無や実施期間等の各種詳細条件は、必ず各説明頁でご確認ください。

楽天ブックス初めてご利用の方限定！

初めてご利用＆条件達成でポイント最大5倍！

商品情報

発売日： 2022年01月19日頃
著者／編集：岡谷貴之
レーベル：機械学習プロフェッショナルシリーズ
出版社：講談社
発行形態：全集・双書
ページ数： 384p
ISBN： 9784065133323

この商品を買った人が興味のある商品

ページ：{{ currentPage }}/{{ pages }} {% if (currentPage !== 1) { %} （最初に戻る） {% } %}

# 洋書の場合はtitleEnglishを表示

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］

岡野原大輔

(1件)

# 洋書の場合はtitleEnglishを表示

ディープラーニングを支える技術〈2〉 --ニューラルネットワーク最大の謎

岡野原大輔

# 洋書の場合はtitleEnglishを表示

ゼロから作る Deep Learning ?

斎藤康毅

# 洋書の場合はtitleEnglishを表示

コンピュータビジョン最前線　Winter 2021

井尻善久

(1件)

# 洋書の場合はtitleEnglishを表示

機械学習デザインパターン

Valliappa Lakshmanan

(2件)

# 洋書の場合はtitleEnglishを表示

新しい信号処理の教科書

馬場口　登

# 洋書の場合はtitleEnglishを表示

ディープラーニング　学習する機械　ヤン・ルカン、人工知能を語る

ヤン・ルカン

(4件)

# 洋書の場合はtitleEnglishを表示

実践Data　Scienceシリーズ　Pythonではじめるテキストアナリティクス入門

榊剛史

# 洋書の場合はtitleEnglishを表示

機械学習のためのカーネル100問 with Python

鈴木讓

(1件)

# 洋書の場合はtitleEnglishを表示

物体検出とGAN、オートエンコーダー、画像処理入門　PyTorch/TensorFlow2による発展的・実装ディープラーニング

チーム・カルポ

# 洋書の場合はtitleEnglishを表示

深層強化学習入門

Vincent Francois-Lavet

# 洋書の場合はtitleEnglishを表示

機械学習を解釈する技術～予測力と説明力を両立する実践テクニック

森下光之助

(3件)

# 洋書の場合はtitleEnglishを表示

コンピュータビジョン最前線　Spring 2022

井尻善久

# 洋書の場合はtitleEnglishを表示

深層学習の原理に迫る

今泉允聡

(8件)

# 洋書の場合はtitleEnglishを表示

実践　自然言語処理

Sowmya Vajjala

(2件)

# 洋書の場合はtitleEnglishを表示

Kaggle Grandmasterに学ぶ機械学習実践アプローチ

Abhishek Thakur

(2件)

# 洋書の場合はtitleEnglishを表示

入門　機械学習パイプライン

Hannes Hapke

# 洋書の場合はtitleEnglishを表示

［改訂新版］ITエンジニアのための機械学習理論入門

中井悦司

(1件)

# 洋書の場合はtitleEnglishを表示

ビジュアルテキスト　パターン認識

荒井秀一

# 洋書の場合はtitleEnglishを表示

現場で活用するための機械学習エンジニアリング

藤井亮宏

商品説明

内容紹介（出版社より）

◆ベストセラーの改訂版。最高最強のバイブルが大幅にパワーアップ！！◆

・トランスフォーマー、グラフニューラルネットワーク、生成モデルなどをはじめ、各手法を大幅に加筆。
・深層学習のさまざまな課題と、その対策についても詳しく解説。

[本書まえがきより抜粋]
ないもの（＝理論）ねだりをしても仕方がありません．それでも皆が研究を進めるのは，そうすることに意義があるからです．なぜうまく働くのか，なぜそうすべきか，数学的な証明はなくても，正しい説明は必ずあるはずです．それを手にできれば，目の前の課題を解決するのに，また次に進むべき道を知るうえで役に立つでしょう．
そこで本書では，それぞれの方法について，今の時点で最も納得できる説明をきちんと与えることにこだわりました．名前の通った方法であっても，理屈が成り立たない，あるいは役に立たない方法や考え方については，はっきりそう書きました．著者の主観といわれても仕方がない場合もあるかもしれませんが，そのほうが有益であると信じています．
また，現在の深層学習の広がりを把握できるように，定番となった問題・方法に加えて，重要だと思われる問題については，必ずしもそれほど有名でない方法も含めてなるべく網羅するようにしました．その取捨選択には，深層学習が実践的技術であることを踏まえ，実用性を最も重視しました．そこには，この間に著者が企業の実務家たちと行ってきた共同研究での経験が反映されています．

[主な内容]
第1章　はじめに
第2章　ネットワークの基本構造
第3章　確率的勾配降下法
第4章　誤差逆伝播法
第5章　畳み込みニューラルネットワーク
第6章　系列データのためのネットワーク
第7章　集合・グラフのためのネットワークと注意機構
第8章　推論の信頼性
第9章　説明と可視化
第10章　いろいろな学習方法
第11章　データが少ない場合の学習
第12章　生成モデル