「ディープラーニングと物理学」を読んだ
TL;DR reference が充実している点、3,4章のブラケット記法の導入、5章のサンプリングの説明、は良かった 7章以降の物理への応用に関しては、お話的な内容だったりどのくらい嬉しいことなのかぱっと見で判断できないものも多かった 物理の言葉や例で説明されている部分も多く、物理を学んでいる（た）人がディープラーニングを学ぶときに読んでみる本、という印象 \[\def\bra#1{\mathinner{\left\langle{#1}\right|}} \def\ket#1{\mathinner{\left|{#1}\right\rangle}} \def\braket#1#2{\mathinner{\left\langle{#1}\middle|#2\right\rangle}}\] 理論物理の研究者が書いた「ディープラーニングと物理学」が出版されたという話を目にしたので、一通り読ん
ゼロから作るDeep Learningを読んだ - ::Eldesh a b = LEFT a | RIGHT b
ゼロから作るDeep Learningを読み終わりました。おおよそ一ヶ月くらいかかりました。 機械学習自体(とpython)の全くの素人状態から読みましたが、とりあえず、単独で読み切れる本です。 その点は良いですね。 本全体を通して、MNISTと言われる手書き数字のデータセットを使って識別器を作っていきます。(と言っても形になるのはだいぶ後の方ですが。) タイトルでは「ゼロから作る」と言ってますが、全部を作るとは言ってません。気をつけて下さい。 画像系のDeep Learningで重要になる(らしい)CNNの説明は最後辺りの章で出てきますが、「バックプロパゲーションは自明だから(リポジトリ中の)コード読んどいてね。」という感じになっています。加えて重要なアルゴリズムである im2col についても同様の扱いです。 他に注意点として、関数の導入時点での実装が使用時点では使えないというケースが
Deep Learning with Python を読んだ
TL;DR Deep Learning with Python を読んだ よく書かれている本で、特に初学者〜中級者が Keras を使ってモデル構築ができるようになるには最適 扱っているトピック自体は他の本と比べてそこまで変わっていないが、一つ一つの質は高い 個人的には Keras の実装の話などをもっとして欲しかった Keras 作者の Chollet 氏が書いた deep learning 本ということで、どんな内容なんだろうと思って読んでみた。 結論から言うととてもよく書けている本で、対象読者は Keras を使って deep learning を始めたい（始めてみた）という人かと思う。 どんな経緯で出した本かとかそういうのは全然知らないが、deep learning が使えるようになるための getting started となる決定版を書いたぞ、という印象を受けた。 自分としては
ディープラーニングをやる人向け『仕事ではじめる機械学習』のオススメと注意点 - bonotakeの日記
はじめに 明けましておめでとうございます。今年もよろしくお願いします。 たまたま昨年末に、Facebookの謎な対応により始めてしまったはてなブログ、「次書くかどうかわからない」とは書きましたが、次も書いてみることにしました。 なぜそう思ったか、理由は2つあります。1つは、日頃はTwitterかFacebookばっかりやっている自分ですが、そっちだとどうしても書いたものが流れてしまって、あとから自分で見返したくても見返せないこと（特にFacebook。TwitterはTwilog使ってるのでまだマシ）。 もう1つは、とある本について、どこかに書き留めておきたいなぁ、と思ったこと。 その本の名前は、『仕事ではじめる機械学習』です。 仕事ではじめる機械学習 作者: 有賀康顕,中山心太,西林孝出版社/メーカー: オライリージャパン発売日: 2018/01/16メディア: 単行本（ソフトカバー）こ
Deep Learning with Python
Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples. about the technology Machine learning has made remarkable progress in recent years. We went from near-unusable speech a
『機械学習スタートアップシリーズ これならわかる深層学習入門』（瀧 雅人） 製品詳細 講談社BOOK倶楽部
機械学習の予備知識がない読者を、研究の最前線までしっかり連れて行く、ひとりでも学べる入門書！ 深層学習の理論を初めて学ぶ人はもちろん、今度こそ理解したい人のために。 【甘利俊一先生推薦】 「世の中に人工知能の解説書は多いが、基礎から始め、その仕組みを理論的に明快に説明したのは本書が初めてといってよい」 【主な内容】 1 はじめに 2 機械学習と深層学習 3 ニューラルネット 4 勾配降下法による学習 5 深層学習の正則化 6 誤差逆伝播法 7 自己符号化器 8 畳み込みニューラルネット 9 再帰型ニューラルネット 10 ボルツマンマシン 11 深層強化学習 【機械学習スタートアップシリーズ】 本シリーズは、「機械学習ブーム」の先駆けとして2015年から刊行されている『機械学習プロフェッショナルシリーズ』の弟分的な存在を目指す、注目の新シリーズです。 「機械学習をもっと身近に、機械学習をもっ
Deep Learning
An MIT Press book in preparation Ian Goodfellow, Yoshua Bengio and Aaron Courville Lectures We plan to offer lecture slides accompanying all chapters of this book. We currently offer slides for only some chapters. If you are a course instructor and have your own lecture slides that are relevant, feel free to contact us if you would like to have your slides linked or mirrored from this site. Introd
Deep Learning
An MIT Press book Ian Goodfellow and Yoshua Bengio and Aaron Courville The Deep Learning textbook is a resource intended to help students and practitioners enter the field of machine learning in general and deep learning in particular. The online version of the book is now complete and will remain available online for free. The deep learning textbook can now be ordered on Amazon. For up to date an
ゼロから作るDeep Learning： 読了メモ - クッキーの日記
とてもわかりやすいという巷の評判に流されてこの本を読みました。ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 斎藤 康毅 オライリージャパン 2016-09-24 売り上げランキング : 58 Amazonで詳しく見る by G-Tools一貫して読み手の理解を考慮して書かれたすばらしい本だと思います（その分トピックは絞られていますが）。 1章だけではなく最後まで・隅々までそれをやり切っている本というのが実はあまりないと思います。 モデルや手法の義務的な紹介にはなっておらず、伝えるべき心にたくさんページを割いていると思います。 これから深層学習を学ぶ人、ライブラリをつかうのでゼロから作るつもりはないという場合も、よほど中身はどうでもいい主義者でない限りよい本と思います。数式が苦手でない人には易しすぎると感じられる面もあるでしょうが、他のオムニバス
Kerasによる畳み込みニューラルネットワークの実装 - 人工知能に関する断創録
前回（2016/11/9）はMNISTの数字認識を多層パーセプトロンで解いたが、今回は畳み込みニューラルネットを使って解いてみた。このタスクもKerasの例題に含まれている。ソースコードを見れば大体何をやっているかつかめそうだけどポイントを少しまとめておく。畳み込みニューラルネットワーク自体の説明は、参考文献に挙げた「ゼロから作るDeep Learning」の7章が非常にわかりやすいのでおすすめ。 ソースコード: mnist.py 4次元テンソルのチャネル位置 畳み込みニューラルネットでは、入力する画像の形状を保つために画像集合を4次元テンソル（4次元配列）、すなわち画像のサンプル数、画像のチャネル数（白黒画像なら1、RGBのカラー画像なら3など）、画像の縦幅、画像の横幅で入力するのが一般的。Kerasでは、4次元テンソルの各次元の位置がimage_dim_orderingによって変わる
Deep Learning bookを読んで学んだこと - Qiita
Deep Learning bookとは？ Deep Learning bookは2016年末にMIT Pressより発売予定の書籍（英語）で、深層学習御三家の一人Bengio先生や画像生成のGANで有名なGoodfellow先生らによって書かれており、現時点で深層学習の決定版と言える教科書です。太っ腹なことに本の内容はウェブサイトで公開されており無料で読むことができます。 Deep Learning; Ian Goodfellow, Yoshua Bengio and Aaron Courville, MIT Press, 2016. 私は以前の記事に書いた通り自然言語処理の分野で深層学習が浸透してきてから勉強を始めたため、機械学習はもちろん画像や音声が専門の人と比べて基礎的な知識が足りていないように感じたためこの本を読むことにしました。読み始めてみると機械学習の教科書として有名なPRM
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - oreilly-japan/deep-learning-from-scratch-2: 『ゼロから作る Deep Learning ❷』(O'Reilly Japan, 2018)
Deep Learning with Python
GitHub - goodfeli/dlbook_exercises: Exercises for the Deep Learning textbook at www.deeplearningbook.org
ゼロから作るDeep Learning読了 : sonots:blog
GitHub - yohokuno/deeplearning: Python implementation of Deep Learning book
Google