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

著者 : 斎藤康毅

• オライリージャパン (2016年9月24日発売)

感想・レビュー・書評

[ℤさんの感想 · 2021年9月9日]

必要事項がまとまってる感じがとてもありがたい
Pythonのインストールから書いてくれてるとこがいい

[旭川医科大学図書館(公式)さんの感想 · 2021年9月6日]

【OPACへのリンク先】
https://lib.asahikawa-med.ac.jp/opac/opac_details/?lang=0&amode=11&bibid=2000116719

[nabehiro3さんの感想 · 2021年8月23日]

何度か挫折したがようやく読み終わった。ディープラーニングの基礎を学ぶには素晴らしい本だと思う。

[Toshifumi Shichiさんの感想 · 2021年8月14日]

2016/11/19読了

[セガビさんの感想 · 2021年8月9日]

最後まで読んだ結果、「ディープラーニング完全に理解した」と人に言えるようになりました^^

詳細はQiitaにまとめています。
https://qiita.com/segavvy/items/4e8c36cac9c6f3543ffd

[midoridensyaさんの感想 · 2021年8月1日]

ニューラルネットワークの推測（順伝播）と学習（逆伝播）の流れと、CNNのしくみが、具体的なアルゴリズム実装でよく理解できた。

ニューラルネットワークについては、
全結合層の順伝播は行列内積計算が基本となること、各種活性化関数の実装方法（数式）、損失関数の実装方法、損失関数の勾配算出の手法（数値微分と解析微分）、解析微分を用いた全結合層や活性化関数の微分計算方法、各層での微分結果を出力→入力側に伝播していく誤差逆伝播の実装、パラーメータ初期値の設定方法（Xavierの初期値、Heの初期値）、学習率の役割と重要性、各最適化手法（SGD、momentum、AdaGrad、Adam）の意味と実装方法、Batch Normalizationやweight decayやDropOutといった学習効率向上手法などが丁寧に説明されていた。

CNNは、ニューラルネットワークの実装式をベースに、フィルターとこれ対応する入力データのマッチング手法（im2colというスクリプトの活用）、マッチングが適切にできれば行列内積計算で対応可能であること、プーリング層での処理内容などがわかりやすく説明されていた。

そして、ディープラーニングで層を重ねることでなぜ学習効率や推測精度が上がるのかということについても、直感的な説明（入力データのうち同等規模の範囲から特定の出力ノードを計算する際の計算量の違い）に加えて、理論上詳しくわかっていないという現状も含めて、非常に勉強になった。

[gunmakeさんの感想 · 2021年6月20日]

1章 Python入門
　省略
2章 パーセプトロン
　ニューラルネットワークの基礎となるパーセプトロンで論理回路AND,NAND,OR,XORを実装
3章 ニューラルネットワーク
　活性化関数の導入、Numpyの行列計算
　実装できたMNISTデータセットを使った手書き数字認識をトライ。
4章 ニューラルネットワークの学習
　損失関数と勾配法を使った学習方法の説明
5章 誤差逆伝播法
　誤差逆伝播法を計算グラフで説明。
6章 学習に関するテクニック
　パラメータの更新の仕方で効率が変わる、過学習の対策
7章 畳み込みニューラルネットワーク
　画像認識、音声認識に多用されているCNNを説明
8章 ディープラーニング
　深層なCNNを実装し、画像認識（手書き数字）まで行っている。

フレームワークを使うだけではわからない内部について理解できた。
　

[poolingさんの感想 · 2021年6月14日]

ディープラーニングの入門本．
pythonとnumpyの基本から，ディープラーニングモデルをnumpyの行列積として実装し，オプティマイザ・初期化・ハイパラ探索といった訓練の詳細まで踏み込んでおりかなり充実している．
扱うデータはMNISTの画像分類のみだが，CNNの畳み込み・poolingの実装もnumpyで行う．
逆伝播の章では計算グラフを書いた解説が非常にわかりやすい．

フレームワークを使っている人でも本書未読ならば薦めたい．

[富山高等専門学校図書館さんの感想 · 2021年6月7日]

＊おすすめコメント
今流行りのDeep Learnigについての理論を学べる本だよ。図や式などが多く使われており、初学者でも理解しやすいね。1週間ぐらいで読めるぞ。すごいね‼︎本書のコードは、pythonのnumpyというライブラリを使って書かれているが、オススメはpytorchで書きなおしてみることだぞ。google colabを使えば、GPUが使えて、環境構築の必要も無いから楽だよ。やったね‼︎ 終

＊学生へのメッセージ
この本を読むには、微分積分と線形代数を理解する必要があります。基礎数学をはやくマスターして数学を進めましょう。

＊OPACへのリンク（所在や貸し出し状況を確認できます）
https://libopac3-c.nagaokaut.ac.jp/opac/opac_openurl?kscode=018&ncid=BB22117068

推薦者：学生（電気制御システム工学科）

[dokutokuさんの感想 · 2021年5月30日]

AIプログラミングは初心者。G検定は取得している。Pythonの知識はあるつもりだが、本格的なプログラミングはやったことはない。ざっと一読。「丁寧な説明」「わかり易い！」であるはず。が、一回だけでは十分に理解できたとはいい難い。Affine、Softmax-with-Loss。SGD,Momentum,AdaGradにAdam。Convolution、Pooling,im2colにAlexNet・・。もっと学習を進める必要性を感じた。コードは動かさなければ実感ももてない。次は、コードを実装しながら理解を深めよう。