12/26
時点_ポイント最大4倍
なっとく!ディープラーニング 最小のコードで学習する深層学習のすべて/AndrewW.Trask/クイープ
販売価格
2,860
円 (税込)
送料無料
- 出荷目安:
- 1~3日で発送予定
たまるdポイント(通常) 26
+キャンペーンポイント(期間・用途限定) 最大3倍
※たまるdポイントはポイント支払を除く商品代金(税抜)の1%です。
※表示倍率は各キャンペーンの適用条件を全て満たした場合の最大倍率です。
各キャンペーンの適用状況によっては、ポイントの進呈数・付与倍率が最大倍率より少なくなる場合がございます。
dカードでお支払ならポイント3倍
各キャンペーンの適用状況によっては、ポイントの進呈数・付与倍率が最大倍率より少なくなる場合がございます。
- 商品情報
- レビュー
AndrewW.Traskクイープ
翔泳社
ISBN:4798155012/9784798155012
発売日:2020年03月
【内容紹介】
機械に学習させる調教師への道
【本書の内容】
本書は
Andrew W. Trask、 "Grokking Deep Learning"、
Manning Publications 2019
の邦訳版です。
業種を問わず、すべての局面において自動化が強烈に推進されている昨今、
機械学習/深層学習(ディープラーニング)の重要性は増すばかりです。
本書は「機械が学習する」というテーマのもと、
その根幹を成す「ディープラーニング」という手法を平易に解説した書籍です。
一般に「ディープラーニング」というと、その背景となる数学的厳密性を全面に押し出し、
微に入り細に入る解説が仇となって、面白くなるとばぐちでリタイアすることになりがちです。
本書は数学的厳密性はそこそこに、むしろディープラーニングの全体像を俯瞰し、
ディープラーニングがカバーする範囲とその構築方法、
そしてそのための基礎知識をイメージしてもらえるように工夫しています。
Webアプリケーションを開発する際に、フレームワークによってインフラを意識することなく
サービスを構築できるようなスタイル、と言えばいいでしょうか。
なにはともあれ、最初に提示されるPythonコードを「暗記」してみてください。
それを拡張することで、機械に学習させる「調教師」になれることが分かるはずです。
【本書のポイント】
・数式を使った基礎理論ではなく「扱える」ディープラーニングを学べる
・線形代数、微積分、凸最適化はもちろん、機械学習の知識も前提としない
・ニューラルネットワークの基礎から上位層やアーキテクチャを学べる
・Python 3.x系で実際に試せる
【読者が得られること】
・ディープラーニングの全体像
・ニューラルネットワークの基礎
・学習精度の上げ方
・各種フレームワークによる実装法
翔泳社
ISBN:4798155012/9784798155012
発売日:2020年03月
【内容紹介】
機械に学習させる調教師への道
【本書の内容】
本書は
Andrew W. Trask、 "Grokking Deep Learning"、
Manning Publications 2019
の邦訳版です。
業種を問わず、すべての局面において自動化が強烈に推進されている昨今、
機械学習/深層学習(ディープラーニング)の重要性は増すばかりです。
本書は「機械が学習する」というテーマのもと、
その根幹を成す「ディープラーニング」という手法を平易に解説した書籍です。
一般に「ディープラーニング」というと、その背景となる数学的厳密性を全面に押し出し、
微に入り細に入る解説が仇となって、面白くなるとばぐちでリタイアすることになりがちです。
本書は数学的厳密性はそこそこに、むしろディープラーニングの全体像を俯瞰し、
ディープラーニングがカバーする範囲とその構築方法、
そしてそのための基礎知識をイメージしてもらえるように工夫しています。
Webアプリケーションを開発する際に、フレームワークによってインフラを意識することなく
サービスを構築できるようなスタイル、と言えばいいでしょうか。
なにはともあれ、最初に提示されるPythonコードを「暗記」してみてください。
それを拡張することで、機械に学習させる「調教師」になれることが分かるはずです。
【本書のポイント】
・数式を使った基礎理論ではなく「扱える」ディープラーニングを学べる
・線形代数、微積分、凸最適化はもちろん、機械学習の知識も前提としない
・ニューラルネットワークの基礎から上位層やアーキテクチャを学べる
・Python 3.x系で実際に試せる
【読者が得られること】
・ディープラーニングの全体像
・ニューラルネットワークの基礎
・学習精度の上げ方
・各種フレームワークによる実装法
※本データはこの商品が発売された時点の情報です。


